Notes of “Fast Bilateral-Space Stereo for Synthetic Defocus”

最近精读了Jon Barraon的论文Fast Bilateral-Space Stereo for Synthetic Defocus。该论文使用bilateral Filter思想：将图像映射到bilateral space，滤波后再映射回pixel space，从而实现了双目图像（stereo images）的虚化效果。本文整理了该论文的基本思想分享给大家。

Fast Bilateral Filter

Bilateral Filter是一种经典的能够保留图像边界的滤波器，定义如下Wiki：

y(i,j)=∑k,lx(k,l)w(i,j,k,l)∑k,lw(i,j,k,l)

写成矩阵的形式即为论文中的公式(1)， A 即为bilateral filter的权重参数。

y=Ax/AI(1)

由于bilateral filter计算量大，因此出现了各种快速解法，其中通过bilateral space来变换空间并进行操作的方法最多。即将像素点投影到bilateral space，在bilateral space做blur处理，然后再将数据投回像素空间。其核心思想分为三步: splat, blur, slice，和信号处理的频率变换很类似。

1. splat: 将大规模的像素值映射(splat)到小规模的grid或lattice顶点(vertices)上，从而将数据压缩。注意这里的维度并不一定会减少，比如RGB是三维，投影到Grid上可能是五维(RGBXY)，但数据量(也即是计算的数据点)却大幅减少。
2. blur: 对顶点(vertices)做滤波(blur)。
3. slice: 将滤波后的每个顶点再映射回像素空间中去。

Bilateral Space

这里列举几个经典关于Bilateral Space的论文及大致思想。

• JiaWen Chen直接计算每个像素的灰度图，然后将灰度，像素坐标作为bilateral space的坐标基(即坐标轴)，生成不同的bilateral grid（矩形网格），从而进行处理。参考文献[1]。
  

• Andrew Adams [2][3]比较了不同的Grid/Lattice方法，认为Premutohedral Lattice的效果最好(就是四面体网络，学过有限元的应该知道，目前效果最好应用最多的就是四面体网格吧)，提出了相应的映射计算方法，并采用质心插值(barycentric interpolation)，相比bilinear/cublic插值，减少了计算量。这应该是目前bilateral space最好的实现了，anyway，[2]这篇论文值得一看。
  

• Andrew Adams在他的博士论文[4]中对一些Fast Bilateral Filter进行了具体的分析和比较，还提出了采用Gaussian KD-Tree的另一种计算方法。
  

Simple Bilateral Grid

Premutohedral lattice虽然比较准确，但计算量还是大。Jon Barron采用Adams的思想，但用了Jiawen Chen的矩形Grid。与[2]的分析方法不同，直接将变换流程近似成了矩阵分解

A≈STB¯S(2)

其中 S 代表splat， B 代表blur， ST 代表slice。通过矩阵分解，将稠密矩阵 A 转换成两个稀疏矩阵 S 、 B 。

优化算法

待续。。。

Reference

1. Chen, J., Paris, S., & Durand, F. (2007). Real-time edge-aware image processing with the bilateral grid. ACM Transactions on Graphics, 26(99), 103.
2. Adams, A., Baek, J., & Davis, M. A. (2010). Fast high-dimensional filtering using the permutohedral lattice. Computer Graphics Forum, 29(2), 753–762.
3. Baek, J., Adams, A., & Dolson, J. (2013). Lattice-based high-dimensional gaussian filtering and the permutohedral lattice. Journal of Mathematical Imaging and Vision, 46(2), 211–237.
4. Adams, A. (2011). High-dimensional gaussian filtering for computational photography, (July), 133.