Side window filter

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 · 1.7k 阅读

标签

#算法 #计算机视觉

本文介绍了box filter的优化方法，通过特定技巧将复杂度从O(M*N)降低到O(1)。接着，详细阐述了side window filtering的概念，它是如何利用侧窗思想改进滤波器，使其在保持边缘清晰的同时进行滤波。文章还提到了S-BOX，它是box filter与SWF结合的滤波器，并给出了算法流程和MATLAB代码示例。

box filter

参考： https://blog.csdn.net/lxy201700/article/details/25104887

(我瞎说的：不要管它的算法，本质上是均值滤波不用求和，通过一定技巧把O（M*N）的复杂度变成O（1）)
在这里插入图片描述
1、给定一张图像，宽高为（M,N），确定待求矩形模板的宽高(m,n)，如图紫色矩形。图中每个黑色方块代表一个像素，红色方块是假想像素。
2、开辟一段大小为M的数组，记为buff, 用来存储计算过程的中间变量，用红色方块表示
3、将矩形模板（紫色）从左上角（0，0）开始，逐像素向右滑动，到达行末时，矩形移动到下一行的开头（0，1），如此反复，每移动到一个新位置时，计算矩形内的像素和，保存在数组A中。以(0,0)位置为例进行说明：首先将绿色矩形内的每一列像素求和，结果放在buff内（红色方块），再对蓝色矩形内的像素求和，结果即为紫色特征矩形内的像素和，把它存放到数组A中，如此便完成了第一次求和运算。
4、每次紫色矩形向右移动时，实际上就是求对应的蓝色矩形的像素和，此时只要把上一次的求和结果减去蓝色矩形内的第一个红色块，再加上它右面的一个红色块，就是当前位置的和了，用公式表示 sum[i] = sum[i-1] - buff[x-1] + buff[x+m-1]
5、当紫色矩形移动到行末时，需要对buff进行更新。因为整个绿色矩形下移了一个像素，所以对于每个buff[i], 需要加上一个新进来的像素，再减去一个出去的像素，然后便开始新的一行的计算了