实施双边过滤器

debugcn 发表于 Dev

阿曼达

我正在尝试从论文快速双边过滤中实现双边过滤器，以显示高动态范围图像。实现双边滤波器的方程（来自本文）为：

据我了解，

f是高斯滤波器
g是高斯滤波器
p是给定图像窗口中的像素
s是当前像素
ip是当前像素的强度

这样，我编写了实现这些方程的代码，如下所示：

import cv2
import numpy as np

img = cv2.imread("fish.png")
# image of width 239 and height 200



bl_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

i = cv2.magnitude(
    cv2.Sobel(bl_img, cv2.CV_64F, 1, 0, ksize=3),
    cv2.Sobel(bl_img, cv2.CV_64F, 0, 1, ksize=3)
)

f = cv2.getGaussianKernel(5, 0.1, cv2.CV_64F)
g = cv2.getGaussianKernel(5, 0.1, cv2.CV_64F)


rows, cols, _ = img.shape

filtered = np.zeros(img.shape, dtype=img.dtype)

for r in range(rows):
    for c in range(cols):
        ks = []
        for index in [-2,-1,1,2]:
            if index + c > 0 and index + c < cols-1:
                p = img[r][index + c]
                s = img[r][c]
                i_p = i[index+c]
                i_s = i[c]
                ks.append(
                    (f * (p-s)) * (g * (i_p * i_s)) # EQUATION 7
                )
        ks = np.sum(np.array(ks))

        js = []
        for index in [-2, -1, 1, 2]:
            if index + c > 0 and index + c < cols -1:
                p = img[r][index + c]
                s = img[r][c]
                i_p = i[index+c]
                i_s = i[c]
                js.append((f * (p-s)) * (g * (i_p * i_s)) * i_p) # EQUATION 6

        js = np.sum(np.asarray(js))
        js = js / ks
        filtered[r][c] = js

cv2.imwrite("f.png", filtered)

但是，当我运行此代码时，我收到一条错误消息：

    Traceback (most recent call last):
File "bft.py", line 33, in <module>
    (f * (p-s)) * (g * (i_p * i_s))
ValueError: operands could not be broadcast together with shapes (5,3) (5,239)

我是否错误地实现了方程式？我想念什么？

克里斯·伦戈

您的代码存在各种问题。最重要的是，该方程的解释方式有误。f（ps）表示在ps处评估函数f。f是高斯。同样与克。代码部分如下所示：

weight = gaussian(p - s, sigma_f) * gaussian(i_p - i_s, sigma_g)
ks.append(weight)
js.append(weight * i_p)

注意，两个循环可以合并，这样可以避免重复计算。gaussian(x, sigma)将是一个函数，计算处的高斯权重x。您需要分别定义两个sigma_f和sigma_g，分别是和和。

第二个问题是pand的定义s。这些是像素的坐标，而不是像素处图像的值。i_p和i_s是图像的在那些位置的值。p-s基本上是像素(r,c)与给定邻居之间的空间距离。

第三个问题是邻居之间的循环。邻域是gaussian(p - s, sigma_f)不可忽略的所有像素。因此，邻域的大小取决于所选的sigma_f。你至少应该把它当做ceil(2*sigma_f)。假设sigma_f为2，则您希望邻域从-4变为4（9像素）。但是，该邻域是二维的，而不是代码中的一维的。因此，您需要两个循环：

for ii in range(-ceil(2*sigma_f), ceil(2*sigma_f)+1):
   if ii + c > 0 and ii + c < cols-1:
   for jj in range(-ceil(2*sigma_f), ceil(2*sigma_f)+1):
      if jj + r > 0 and jj + r < rows-1:
         # compute weight here

请注意，现在p-s是使用计算的math.sqrt(ii**2 + jj**2)。但也请注意，高斯使用x**2，因此您可以通过传递x**2给gaussian函数来跳过平方根的计算。