关于双边滤波的一些理解双边滤波器是非线性边缘滤波。 双边滤波器是如何实现保边滤波的呢？
让我们从3358 www.Sina.com/http://www.Sina.com /双边滤波器公式开始。
双边滤波器之所以能够在平滑去除噪声的同时良好地保存边，是因为该滤波器的内核由两个函数：空间域内核和值域内核生成
(1)空间域核)由像素位置欧式距离决定的模板权重的权重
其中是模板窗口中其他系数的坐标。 其中是模板窗口的中心坐标点twdbq函数的标准偏差。 使用此表达式生成的筛选器模板与twdbq筛选器中使用的模板没有变化。
(2)值域内核)由像素灰度值的差分决定模板的权重值
模板窗口其他系数的坐标； 表示图像中点处的像素值。 其中是模板窗口的中心坐标点。对应的像素值是twdbq函数的标准偏差。
我们一般称为值域核，是空间域核，两者的大小都在[ 0，1 ]之间。
)3)将两个核区域相乘，得到双边滤波器的权值
从上述公式我们知道：
空域权重由附近内的中心像素和区域内的其他像素的距离决定，该距离越远则权重值越大的值域权重由附近内的中心像素的像素值与附近内的其他像素的像素值之差决定。 两个像素值越接近，权重越大。 3358 www.Sina.com/http://www.Sina.com/http://www.Sina.com /
twdbq过滤器的图像
从上图可以看出，有噪声的图像经过twdbq滤波后相当平滑。 右侧较高坡度的区域经过twdbq滤波后具有一定坡度。 从图像来看，滤波后的原始图像边缘在一定程度上模糊。
twdbq滤波后的效果图
从上面的图可以看出，有噪声的图像在经过双边滤波之后相当平滑，而右边较高梯度的区域在经过双边滤波之后几乎保持原始梯度。 从图像来看，滤波后的原始图像的边缘仍然存在。
以上双边滤波器是在RGB域中执行的处理。 处理后也观察到了很多颜色噪声。
你能再消除一些这些颜色噪声吗？
在颜色噪声明显的图像中，如果能够对亮度分量和色度分量进行不同强度的降噪处理，即，对亮度分量进行比较小的降噪处理，对色度分量进行强的降噪处理，则能够去除掉色噪声，并且边缘信息也不怎么丢失。
因此，可以将颜色噪声多的原始图像从RGB颜色空间转换为YUV颜色空间。 将亮度和色度分量分开处理。 对亮度成分进行小双边滤波处理，对色度成分进行大的双边滤波处理。
上图显示，在YUV颜色空间中进行较大的双边滤波之后，颜色噪声比在RGB颜色空间中进行双边滤波的结果少很多。
http://www.Sina.com/http://www.Sina.com /
将以上相关权重作用于边缘图像，可以得到以下结果。
后面两幅图的右上和左下角，我不重新计算，保持空白。
由上图可知，边缘图像经twdbq滤波后，边缘部分与边缘周边的像素之差小，边缘模糊； 经过双边滤波后，边缘部分仍与原始图像的边缘相似，在去除噪声的同时保留良好的边缘。
如上所述，在平坦区域中，附近区域内的像素值非常接近，其值域权重接近1； 施加到twdbq滤波器的权重对twdbq滤波器几乎不起作用。 即，平坦区域双边滤波器基本上执行twdbq滤波； 在边缘区域边缘像素值大致一致，值域的权重大； 另一方面，非边缘区域中的像素和边缘区域中的像素值差异很大，值域权重几乎为零，并且在对其应用twdbq权重之后，基本上仅对边缘区域中的像素进行滤波。 边缘像素的像素值基本匹配，因此边缘保留得较大。