引导影像滤波器

✍ dations ◷ 2025-08-24 02:01:59 #非线性滤波器,图像处理,计算机图形学

在图像处理上,引导影像滤波器(英语:Guided Image Filter)是一种能使影像平滑化的非线性滤波器。

与双边滤波器(Bilateral Filter)相同,这个影像滤波器同样能够在清楚保持影像边界的情况下,达到让影像平滑的效果。

但不同于双边滤波器,引导影像滤波器有两个优点:首先,双边滤波器有非常大的计算复杂度,但引导影像滤波器因为并未用到过于复杂的数学计算,有线性的计算复杂度。再来,双边滤波器因为数学模型的缘故,在某些时候会发生梯度反转(gradient reverse)的状况,出现影像有损;而在引导影像滤波器,因为这个滤波器在数学上以线性组合为基础出发,输出图片(Output Image)必与引导图片(Guidance Image)的梯度方向一致,并不会出现梯度反转的问题。

为了达到将影像平滑化、即去除噪声的效果,首先定义输出的结果图片是输入图片减去噪声后的结果;同时,为了让输出的图片符合引导图片的影像边界,将输出图片定为引导图片的线性组合。

以下为引导影像滤波器的基础模型:


(1)   q i = p i n i {\displaystyle q_{i}=p_{i}-n_{i}}

(2)   q i = a I i + b {\displaystyle q_{i}=aI_{i}+b}


在上述公式中, q i {\displaystyle q_{i}} 是第i个输出的像素, p i {\displaystyle p_{i}} 是第i个输入的像素, n i {\displaystyle n_{i}} 是第i个输入像素的噪声成分, I i {\displaystyle I_{i}} 是第i个引导图片的像素, a , b {\displaystyle a,b} 则是用来衡量输入权重的参数。


定义为线性组合(Linear Combination)的原因在于,一对象的边界与其梯度(Gradient)相关,而在线性组合的定义下,输出图片之梯度必与引导图片之梯度成对比(微分时高幂次系数保留而常量项则被去除),故可以达到保留梯度的效果、保留影像边界的目的。

为了导出上述线性组合的参数,将(1)及(2)相减得到公式(3);同时,定义一个代价方程式(cost function)(4):


(3)   n i = p i a I i b {\displaystyle n_{i}=p_{i}-aI_{i}-b}

(4)   E ( a k , b k ) = i ϵ ω k ( ( a k I i + b k p i ) 2 + ϵ a k 2 ) {\displaystyle E(a_{k},b_{k})=\sum _{i{\epsilon }{\omega }_{k}}^{}((a_{k}I_{i}+b_{k}-p{i})^{2}+{\epsilon }a_{k}^{2})}


在上式中, ϵ {\displaystyle \epsilon } 是一用来惩罚(penalize)过大的 a k {\displaystyle a_{k}} 的参数, ω k {\displaystyle \omega _{k}} 是以第 k {\displaystyle k} 个像素为中心点的窗格(window)。

在这个方程式中可以看到,希望同时让最终的输出图片做到让噪声减少以及让引导图片在输出图片的影响减小(引导图片的系数项)两件事,遂定义每个像素噪声和系数项的平方总合为最后须付出的价值项(cost)。并且,基于让价值项最小化的原则,可以将(4)以线性回归(linear regression)的方法找出它的线性模型,从而求得、使得出它的价值方程式有最小解的到以下两参数 a k {\displaystyle a_{k}} b k {\displaystyle b_{k}}


(5)   a k = 1 ω i ϵ ω k I i p i μ k p k ¯ σ k 2 + ϵ {\displaystyle a_{k}={\frac {{\frac {1}{\omega }}\sum _{i\epsilon \omega _{k}}I_{i}p_{i}-\mu _{k}{\bar {p_{k}}}}{\sigma _{k}^{2}+\epsilon }}}

(6)   b k = p k ¯ a k μ k {\displaystyle b_{k}={\bar {p_{k}}}-a_{k}\mu _{k}}


在这里, μ k {\displaystyle \mu _{k}} σ k 2 {\displaystyle \sigma _{k}^{2}} 分别是引导图片 I {\displaystyle I} 在窗格 ω k {\displaystyle \omega _{k}} 的平均数(mean)和标准差(variance),而 p ¯ k = 1 | ω | i ϵ ω k p i {\displaystyle {\bar {p}}_{k}={\frac {1}{\left|\omega \right|}}\sum _{i\epsilon \omega _{k}}p_{i}} 是在窗格 ω i {\displaystyle \omega _{i}} 中像素的平均值;这两项系数,换句话说,即是一以输入图片为考虑计算权重之平均滤波器(weighted mean)。

依据上式,可以列出此滤波器之算法:


Algorithm 1. 引导图片滤波器

输入: 输入图片 p {\displaystyle p} ,引导图片 I {\displaystyle I} ,窗格半径 r {\displaystyle r} ,修正项 ϵ {\displaystyle \epsilon }

输出: 输出图片 q {\displaystyle q}

第一部分

                    m        e        a                  n                      I                                {\displaystyle mean_{I}}   =                               f                      m            e            a            n                          (        I        )              {\displaystyle f_{mean}(I)}                      m        e        a                  n                      p                                {\displaystyle mean_{p}}   =                               f                      m            e            a            n                          (        p        )              {\displaystyle f_{mean}(p)}                      c        o        r                  r                      I                                {\displaystyle corr_{I}}   =                               f                      m            e            a            n                          (        I        .                I        )              {\displaystyle f_{mean}(I.*I)}                      c        o        r                  r                      I            p                                {\displaystyle corr_{Ip}}   =                               f                      m            e            a            n                          (        I        .                p        )              {\displaystyle f_{mean}(I.*p)}  

第二部分

                    v        a                  r                      I                                {\displaystyle var_{I}}   =                     c        o        r                  r                      I                                  m        e        a                  n                      I            .                                  m        e        a                  n                      I                                {\displaystyle corr_{I}-mean_{I.}*mean_{I}}                      c        o                  v                      I            p                                {\displaystyle cov_{Ip}}   =                     c        o        r                  r                      I            p                                  m        e        a                  n                      I            .                                  m        e        a                  n                      p                                {\displaystyle corr_{Ip}-mean_{I.}*mean_{p}}  

第三部分

                    a              {\displaystyle a}   =                     c        o                  v                      I            p                          .                  /                (        v        a                  r                      I                          +        ϵ        )              {\displaystyle cov_{Ip}./(var_{I}+\epsilon )}                      b              {\displaystyle b}   =                     m        e        a                  n                      p                                  a        .                m        e        a                  n                      I                                {\displaystyle mean_{p}-a.*mean_{I}}  

第四部分

                    m        e        a                  n                      a                                {\displaystyle mean_{a}}   =                               f                      m            a            e            a            n                          (        a        )              {\displaystyle f_{maean}(a)}                      m        e        a                  n                      b                                {\displaystyle mean_{b}}   =                               f                      m            a            e            a            n                          (        b        )              {\displaystyle f_{maean}(b)}  

第五部分

                    q              {\displaystyle q}   =                     m        e        a                  n                      a            .                                  I        +        m        e        a                  n                      b                                {\displaystyle mean_{a.}*I+mean_{b}}  

/* f m e a n {\displaystyle f_{mean}} 是一个有线性计算复杂度的平均滤波器(mean filter)*/

引导图片滤波器保留边界的特性,其实也可以被理解为是保留梯度的特性。由下图可以看到,可以将一张图分为细节图层和基底图层两层,基底图层的能量并无小幅度的升降,只有大幅度诸入梯度的能量升降;而细节图层,只有噪声式的小幅度能量升降。而引导图片滤波器所作的,其实就是将细节层和基底层分离并保留基底层,也就是保留梯度而去除噪声,达到平滑效果。

由引导图片滤波器的特性,可以延伸出除了原先的平滑化外的几项功能

当一影像图同时为输出图片和引导图片时,可知最终得到的会是以该图片的边界为依据的基底层和细节层;因此,若要加强依影像之细节,可以将细节层的能量放大n倍后再次叠加回基底层,以达到增强细节的效果。

无论是利用光场(light field)技术或是焦点合成(focal-stack)所制作的深度图(depth map),在出制作完成时往往都会有一些坑洞(holo);而这时若使用引导影像滤波器,以原始影像为引导图片、以深度图为输入图片,便可得到一完整、无坑洞的深度图。

相关

  • 麦芽三糖麦芽三糖(Maltotriose)为一种三糖,由三个葡萄糖分子组成,并以 α-1,4 糖苷键相链接。果聚糖:菊粉 · 果聚糖β2→6甘露聚糖:低聚木糖:半乳聚糖:
  • 中的基督徒相信耶稣是弥赛亚(基督),并相信通过他的死和复活,人类可以与上帝和好,从而得到救恩和永生的承诺。这些教义强调,作为上帝悦纳的羔羊,耶稣选择在髑髅地的十字架上受难,以此作为
  • 卡特赖特埃德蒙·卡特赖特(英语:Edmund Cartwright,1743年4月24日-1823年10月30日)英国发明家、企业家、牧师。从牛津大学毕业后,1785年发明了动力织机(英语:power loom),标志着纺织技术进入了
  • 哺乳胸罩哺乳胸罩是一种特殊的胸罩,方便哺乳期妇女在不脱下胸罩的情形下进行母乳喂养,可单手打开罩杯上的卡环或拉链,将罩杯面料移除或折向另一侧以露出乳头。哺乳胸罩类似孕妇穿着的胸
  • 凯文·史贝西凯文·史派西·福勒,KBE,(英语:Kevin Spacey Fowler,1959年7月26日-)是一名美国演员、导演、电影制作人、剧作家和歌手。他从1980年代开始其演员生涯,最早是从舞台剧男演员起步,随后
  • 丹尼尔·加布里尔·华伦海特丹尼尔·加布里尔·华伦海特(德语:Daniel Gabriel Fahrenheit, 1686年5月14日-1736年9月16日),德国物理学家、工程师(虽然他基本定居在荷兰),华氏温标的创立者。华伦海特出生于但泽(
  • 髁(condyle,/ˈkɒndəl/或/ˈkɒndaɪl/; 拉丁语:condylus, 源自于希腊语:kondylos; κόνδυλος knuckle)是骨骼末端的圆形凸起处,通常属于关节的一部分,为重要的类比标志及
  • 凤山镇南宫凤山镇南宫,全称凤邑镇南宫仙公庙,俗称凤山仙公庙,庙址为台湾高雄市凤山区国泰路一段220号,主祀道教全真派祖师孚佑帝君。清乾隆五十三年(公元1788年)凤山县新城建后,乡民于城南郊
  • 压力袜压力袜(英语:Compression stockings),又称弹性袜,是一种有助舒缓腿部静脉曲张的袜,比一般的袜子紧身,压力由下而上渐减,所以是下紧上松,以脚踝的位置压力最大,压力往小腿上部递减。由
  • 匹兹堡协议《匹兹堡协定》,是一份是美国境内的捷克与斯洛伐克侨民社区成员间达成的谅解备忘录。该协定于1918年5月31日完成,以协议地宾州匹兹堡命名的。协议规定了共同签署者建立独立的