学习guide滤波算法

前几天，老大给分陪了新的项目，开始和同事做滤波增强。开始几天看了一点相对好的算法，包括双边滤波，还有一个基于SVM学习的滤波算法（具体名字忘记了），然后就是同事推荐的导向滤波，查了下，确实感觉不错，能够良好的保持边缘特性。

基本思想大致是这样的，通过函数上的某一点与其邻近部分的点成线性关系，一个复杂的函数就可以用很多局部的线性函数来表示，当需求该函数上某一点时，只需要计算包含该店的线性函数的值并做平均即可。这种模型在表示非解析函数上非常有用，同理我们可以认为图像是一个二维函数。

        函数输入输出关系（二维窗口内），满足

q=aI+b  其中q是输出像素的值，I是输入像素的值。   

梯度q=a*梯度I

这个公式解释了输出具有边缘保持效果的原因。

剩下的就是求线性函数系数的回归运算，即希望拟合值与真实值P之间的差距最小

        E（a，b）=sum（（aI+b-p））^2 + e*a^2)

        p是待滤波图像并不像I可以是任意其他的图像。

最终求得系数为：

a=（1/|w| * sum （I*P）-u*P）/（var^2+e）

        b=（mean（p）-a/u）

最终的输出q=mean（a）*mean（I）+mean（b）

  |w|是窗口中像素的数量    var^2：方差  u：均值   mean（p）是滤波图像P在窗口中的均值

大体上就是不断计算，zai计算，求取均值，方差协方差等等吧

应项目需求，参考大神们的足迹，也实现了算法，要学的东西很多，希望毕业前做一个，记住一个，积累吧，还得学习编码。据说是 然要有梦想 万一实现了呢，逗比一下自己。

       

/*************************************************************************  @Author : YG*  @  Date : 2015/12/30*  @ Email : 1851506****@163.com*  function: 引导滤波*  introduc：引导滤波是最近比较好的，前沿性的滤波方法，利用了线性模型，不仅能够平滑图像，而且保留了边缘特性，通过函数上一点与其领域部分点的线性关系，一个复杂的函数就可以用很多局部的线性函数来表示，当需求该函数上某一点的值时，只计算包含该点的线性函数的值并做平均即可，这种模型在表示解析函数上非常有效。e是尺度参数，平滑参数，为全局参数，大小影响整个分量的估计结果，尤其是细节比较丰富的图像。************************************************************************/#include "stdafx.h"#include "guilt_me.h"#include <iostream>#include <windows.h>using namespace std;using namespace cv;//灰度图处理/*Mat img_do(Mat &img){if (!img.data){cout << "no data of img1" << endl;}Mat img_gray(img.size(), CV_8UC1);cvtColor(img, img_gray, CV_BGR2GRAY);return img_gray;}*//************************************************************************//*调节半径r，回调 *//************************************************************************/void on_guilt_feliter(int, void*){vector<Mat> bgr_src, bgr_dst;split(img1, bgr_src);Mat dst_color;double time;time = (double)GetTickCount();Mat q;for (int i = 0; i < 3; i++){Mat I = img_Get(bgr_src[i]);Mat p = I.clone();q = guidedfilter(p, I, r, (double)e / 100);bgr_dst.push_back(q);}merge(bgr_dst, dst_color);imwrite("filtered.JPG", q * 255);time = 1000 * ((double)getTickCount() - time) / getTickFrequency();cout << endl << "Time of guided filter for  runs: " << time << " milliseconds." << endl;imshow("效果图", dst_color);imwrite("result.jpg", dst_color * 255);waitKey(0);}/************************************************************************//* 调节参数e，进行回调*//************************************************************************/void on_guilt_feliter_e(int, void*){vector<Mat> bgr_src, bgr_dst;split(img1, bgr_src);Mat dst_color;double time;time = (double)GetTickCount();Mat q;for (int i = 0; i < 3; i++){Mat I = img_Get(bgr_src[i]);Mat p = I.clone();q = guidedfilter(p, I, r, (double)e / 100);bgr_dst.push_back(q);}merge(bgr_dst, dst_color);imwrite("filtered.JPG", q * 255);time = 1000 * ((double)getTickCount() - time) / getTickFrequency();cout << endl << "Time of guided filter for  runs: " << time << " milliseconds." << endl;imshow("效果图", dst_color);imwrite("result.jpg", dst_color * 255);while (char(waitKey(1) != 'o')){}}/************************************************************************//* 无模板，自身为模板*//************************************************************************/void _no_model(){img1 = imread("1.jpg", 1);namedWindow("原始图");imshow("原始图", img1);namedWindow("效果图");createTrackbar("半径r：", "效果图", &r, 30, on_guilt_feliter);createTrackbar("参数e：", "效果图", &e, 1000, on_guilt_feliter_e);on_guilt_feliter(r, 0);on_guilt_feliter_e(e, 0);}/************************************************************************//*主函数入口 *//************************************************************************/int _tmain(int argc, _TCHAR* argv[]){_no_model();cout << "the programe is over!" << endl;return 0;}

引导滤波的算法在下面

#include <opencv.hpp>#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>using namespace std;using namespace cv;//声明全局变量int r = 16;int e = 1;//定义显示图像Mat img1, img2;Mat o_img;//调节滑块static void on_guilt_feliter(int, void*);static void on_guilt_feliter_e(int, void*);/************************************************************************//*获取图像，定义64深度图，进行乘积运算，防止过界 *//************************************************************************/Mat img_Get(Mat &a){int h = a.rows;int w = a.cols;Mat I(h, w, CV_64FC1);a.convertTo(I, CV_64FC1);for (int i = 0; i < h; i++){double *p = I.ptr<double>(i);for (int j = 0; j < w; j++){p[j] = p[j] / 255.0;}}return I;}/************************************************************************//* 统计sum*//************************************************************************/Mat calculate_Sum(Mat &img_Src, int rc){int h = img_Src.rows;int w = img_Src.cols;Mat img_Sum = img_Src.clone();if (rc == 1){for (int i = 1; i < h; i++){for (int j = 0; j < w; j++){img_Sum.at<double>(i, j) += img_Sum.at<double>(i - 1, j);}}}if (rc == 2){for (int i = 0; i < h; i++){for (int j = 1; j < w; j++){img_Sum.at<double>(i, j) += img_Sum.at<double>(i, j - 1);}}}return img_Sum;}/************************************************************************//*方框滤波函数调用，开源代码 *//************************************************************************/Mat boxfilter(Mat &img_Src, int r){int h = img_Src.rows;int w = img_Src.cols;Mat img_dst = Mat::zeros(h, w, CV_64FC1);Mat img_Sum = calculate_Sum(img_Src, 1);for (int i = 0; i < r + 1; i++){for (int j = 0; j < w; j++){img_dst.at<double>(i, j) = img_Sum.at<double>(i + r, j);}}for (int i = r + 1; i < h - r; i++){for (int j = 0; j < w; j++){img_dst.at<double>(i, j) = img_Sum.at<double>(i + r, j) - img_Sum.at<double>(i - r - 1, j);}}for (int i = h - r; i < h; i++){for (int j = 0; j < w; j++){img_dst.at<double>(i, j) = img_Sum.at<double>(h - 1, j) - img_Sum.at<double>(i - r - 1, j);}}img_Sum = calculate_Sum(img_dst, 2);for (int i = 0; i < h; i++){for (int j = 0; j < r + 1; j++){img_dst.at<double>(i, j) = img_Sum.at<double>(i, j + r);}}for (int i = 0; i < h; i++){for (int j = r + 1; j < w - r; j++){img_dst.at<double>(i, j) = img_Sum.at<double>(i, j + r) - img_Sum.at<double>(i, j - r - 1);}}for (int i = 0; i < h; i++){for (int j = w - r; j < w; j++){img_dst.at<double>(i, j) = img_Sum.at<double>(i, w - 1) - img_Sum.at<double>(i, j - r - 1);}}return img_dst;}/************************************************************************//*引导滤波函数u，实现，参考公式，主要计算均值，方差，协方差等 *//************************************************************************/Mat guidedfilter(Mat &I, Mat &p, int r, double eps){int h = I.rows;int w = I.cols;Mat one = Mat::ones(h, w, CV_64FC1);Mat N = boxfilter(one, r);Mat mean_I(h, w, CV_64FC1);divide(boxfilter(I, r), N, mean_I);Mat mean_p(h, w, CV_64FC1);divide(boxfilter(p, r), N, mean_p);Mat mul_Ip(h, w, CV_64FC1);Mat mean_Ip(h, w, CV_64FC1);multiply(I, p, mul_Ip);divide(boxfilter(mul_Ip, r), N, mean_Ip);Mat mul_mean_Ip(h, w, CV_64FC1);Mat cov_Ip(h, w, CV_64FC1);multiply(mean_I, mean_p, mul_mean_Ip);subtract(mean_Ip, mul_mean_Ip, cov_Ip);Mat mul_II(h, w, CV_64FC1);Mat mean_II(h, w, CV_64FC1);multiply(I, I, mul_II);divide(boxfilter(mul_II, r), N, mean_II);Mat mul_mean_II(h, w, CV_64FC1);Mat var_I(h, w, CV_64FC1);multiply(mean_I, mean_I, mul_mean_II);subtract(mean_II, mul_mean_II, var_I);Mat a(h, w, CV_64FC1);for (int i = 0; i < h; i++){double *p = var_I.ptr<double>(i);for (int j = 0; j < w; j++){p[j] = p[j] + eps;}}divide(cov_Ip, var_I, a);Mat a_mean_I(h, w, CV_64FC1);Mat b(h, w, CV_64FC1);multiply(a, mean_I, a_mean_I);subtract(mean_p, a_mean_I, b);Mat mean_a(h, w, CV_64FC1);divide(boxfilter(a, r), N, mean_a);Mat mean_b(h, w, CV_64FC1);divide(boxfilter(b, r), N, mean_b);Mat mean_a_I(h, w, CV_64FC1);Mat q(h, w, CV_64FC1);multiply(mean_a, I, mean_a_I);add(mean_a_I, mean_b, q);return q;}