保边滤波算法及python实现

三大保边滤波算法：引导滤波、双边滤波、加权最小二乘平滑滤波算法

双边滤波

各向异性滤波，基于小波变换的滤波（Edge-avoiding wavelets and their applications），基于域变换的滤波（Domain Transform for Edge-Aware Image and Video Processing），基于geodesic的滤波(Geodesic Image and Video Editing)
双边滤波器：非线性滤波器，输出图像每个像素都是其邻域各像素的加权平均，权值随空间距离和数值差异的增加而减小。

$$BLF(g{)}_p=\frac{1}{k_p}\sum _q{G}_{{\sigma }_s}(||p-q)G_{{\sigma }_r}(||g_p-g_q)$$
$$k_p=\sum _q{G}_{{\sigma }_s}(||p-q||)G_{{\sigma }_r}(||g_p-g_q||)$$
其中，g为输入图像，p和q表示像素的空间位置，核函数$G_{{\sigma }_s}$、$G_{{\sigma }_r}$通常高斯核，${\sigma }_s$决定空间支撑、${\sigma }_r$决定值域支撑调节边缘敏感度
双边滤波器性能定性分析：
1.给定像素p，其原始像素值为$g_p$ （a particular pixel p, whose unfiltered value is $g_p$ ）。随${\sigma }_s$的增大，更多的邻域像素q参与像素p的平滑，其中与$g_p$相近的$g_q$ 贡献最大，导致平滑后p点像素值与g_p差值很小（as ${\sigma }_s$ is increased, more and more distant pixels q , whose value $g_q$ is close to $g_p$ are being averaged together, and as a result the filtered value does not stray too far from $g_p$ ）。当${\sigma }_s\to \infty$时，双边滤波器等同于值域滤波器（in the limit (${\sigma }_s\to \infty$), the bilateral filter becomes a range filter）。因此，为实现大尺度平滑，不仅需要增大${\sigma }_s$，${\sigma }_{}$