Side Window Filtering（CVPR 2019）阅读与实现

最新推荐文章于 2025-07-23 16:09:50 发布

原创最新推荐文章于 2025-07-23 16:09:50 发布 · 4.3k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#算法

图像专栏收录该内容

18 篇文章

订阅专栏

该博客围绕图像滤波中边缘模糊问题展开，介绍了一篇论文提出的改进方法。论文预计SWF可广泛应用，依据泰勒展开式证明边缘位置取值，提出多个side window模型，将目标像素放边缘减小对边缘的削弱。通过对经典图片滤波处理，显示SWF保留边缘效果好，修改代码还能提取边缘。

论文 https://arxiv.org/abs/1905.07177

主要针对图像滤波中边缘模糊的问题提出改进
由于很多图像中会遇到滤波窗口问题，因此论文中预计SWF可以得到广泛的应用

论文中认为edge两边极值不同且edge处不可导
$\epsilon, y) \neq g(x + \epsilon, y)$
$\epsilon, y) \neq g'(x + \epsilon, y)$

依据泰勒展开式
在这里插入图片描述

只展开到一阶
$2\epsilon, y) \approx g(x - \epsilon, y) + g'(x - \epsilon, y)(-\epsilon)$
and $2\epsilon, y) \approx g(x + \epsilon, y) + g'(x + \epsilon, y)\epsilon$

证明edge location ‘a-’ 处必须由左侧region得到，同理edge右侧

提出了几个side window模型，根据 $\theta$ 和 $\rho$ 的变动
可以有Left, Right, Up, Down, NorthWest, NorthEast, SouthWest, SouthEast几个窗口

一改以往目标pixel处于window中心的思想，把目标pixel(x, y)放在side window的边缘，就减小了滤波过程中对边缘的削弱

在这里插入图片描述

按照以下算法对经典图片lena进行滤波处理，和均值滤波进行比较
（参照https://blog.youkuaiyun.com/just_sort/article/details/93664078，代码作了修改）

在这里插入图片描述

lena原图
在这里插入图片描述

均值滤波后
在这里插入图片描述

SWF均值滤波后
在这里插入图片描述

可以看到SWF对边缘的保留效果还是很好的
对代码进行一些修改还可以达到提取边缘的效果
在这里插入图片描述