双边滤波器及其改进

最新推荐文章于 2025-06-06 15:06:28 发布

原创

最新推荐文章于 2025-06-06 15:06:28 发布 · 9.3k 阅读

16 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #processing #filter #image

本文介绍了双边滤波器在图像处理中的应用，它能边缘保存，但对高频噪声处理不足。通过结合小波分解和Donoho's软阈值进行改进，实现了对彩色图像的有效降噪，同时保持图像细节。实验结果显示，改进后的滤波方法在MSE和ciede2000色差误差上均有显著改善，更适合人类视觉系统。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

双边滤波器bilateral filter是我上一个学期image processing课的term project，我的老板Dr. Gunturk觉得这个选题很有意思，然后跟我讨论了一下他的一些想法，于是我用matlab做了一下实现，并且用小波分解haar dwt2和小波阈值donoho's soft thresholding进行了改进。这个方法，可以用来对图像进行降噪，结果更适于人类视觉系统HVS。

首先说一下双边滤波器，双边滤波器的好处是可以做边缘保存edge preserving，一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显的模糊边缘，对于高频细节的保护效果并不明显。双边滤波器顾名思义比高斯滤波多了一个高斯方差sigma－d，它是基于空间分步的高斯滤波函数，所以在边缘附近，离的较远的像素不会太多影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。

但是由于保存了过多的高频信息，对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只能够对于低频信息进行较好的滤波，因此我们对于双边滤波器进行了改进，由于小波分解可以把信号分解为高频和低频部分，我们对于不同频率段进行不同的滤波。首先将彩色图像RGB模式转为CIE-LAB模式，然后做一次离散二维小波变换dwt2，对于高频的HH,LH,HL部分我们用Bayes shrink的阈值做了软门限soft thresholding，对于低频部分我们把它再进行分解，然后对高频做小波阈值，对低频采用双边滤波。这样取得的恢复图像，MSE减少了30％，色差误差ciede2000减少了50％，可证明更适于滤波和人类视觉系统。