1.介紹
提到導向濾波，首先想到的是“何愷明”，他的確是真大神，在影像領域，是中國人的驕傲，深度學習流行的時候，也是提出各種新演算法，比如ResNets，而最近兩年，深度學習的發展已經非常緩慢了，更多都是各種組合搭配，回歸主題，今天的豬腳是導向濾波，我準備從三篇文章來對它進行簡要介紹，導向濾波的應用范圍很廣泛，比如影像去霧、影像摳圖和美顏等，
2.導向濾波
至于導向濾波的原理推導，我就不介紹了，直接把演算法流程圖拋出來，清晰明了，見下圖：
以邊緣保留為例：
當輸入圖片p和導向圖I是相同的時候，下面所求協方差，方差是一樣的，這樣就會出現兩種情況
1）當圖片區域比較平滑的時候，方差就很小，a值就趨于0了，這個時候，為平滑
2）當圖片區域為邊緣部分或者跳變比較大的地方，方差就很大，a值就趨于1了，這個時候，為保邊
3.快速導向濾波
普通的導向濾波，因為是處理原始大圖，速度還是不夠快，在演算法界，也是講究“天下武功唯快不破”，那么我們可不可以小圖送進去，大圖出來了，答案是肯定的，演算法流程見下面，這個演算法和上面演算法的區別主要在于，這里首先來一個下采樣（）,后面再來一個上采樣（
）
4.基于深度學習的導向濾波
在深度學習演算法流行之際，有人就在想，可不可以用神經網路來構建導向濾波呢，當然是可以的，參見論文“Fast End-to-End Trainable Guided Filter”，其實，我發現，現在很多深度學習演算法都是模仿傳統演算法，把以前人工設計部分，直接替換可學習的，這樣做的好處是，簡單粗暴，魯棒性又好，整個演算法的流程見下，沒什么好解釋的，有些地方用卷積替換了，整個流程和上面是一樣的，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/28362.html
標籤：其他
上一篇：我用requests模塊爬取豆瓣top250 出現亂碼
下一篇：MFC開發程序中，自定義的類中做分割視窗的影像顯示，GetDC出現問題：function does not take 0 parameters？