【图像处理】边窗滤波 Side Window Filtering

上一篇我们介绍了导向滤波（Guide Filter），这次也介绍一个保边滤波，Side Window Filtering，这个是CVPR 2019的oral 论文，在现在深度学习相关论文占据大半的CVPR上能够脱颖而出非常了不起，而且文章的idea非常简单粗暴。值得学习。

论文链接：https://arxiv.org/pdf/1905.07177.pdf
boxfilter的边窗滤波版本： https://github.com/YuanhaoGong/SideWindowFilter
论文作者在知乎的科普：
https://zhuanlan.zhihu.com/p/58326095

论文理论

这篇文章首先分析了为什么之前的滤波算法不保边：因为传统方法都使用全窗口回归，也就是把窗的中心位置放在待处理像素的位置。即便是用非线性各向异性加权，仍然无法杜绝沿着图像边缘的扩散（可能只是沿着边缘的扩散比较大，而沿着法线的扩散的比较小，比较小也是扩散，这是传统方法不保边的本质原因）。

基于这一分析，为什么不把窗口的边缘直接放在待处理像素的位置呢？这就切断了可能的法线方向的扩散。这就是这篇文章的核心思想。如上图所示，在图像的边缘附近，相邻的两个像素a和b。虽然他们物理上相邻，但是他们选择的半窗口却是朝向两个不同的方向。从而不会出现边缘的模糊。

但是具体到一个像素位置的时候，如何选择哪一个方向呢？我们可以直接枚举八个可能的方向，让数据自适应地选择一个最佳的方向就行了，如下图所示。这样横平竖直的子窗口可以利用可分离滤波来加速计算。另外，我们可以利用重叠的子窗口来减少重复计算。所以，最终的计算量只是原来滤波器的2到3倍。

这8个方向在论文中是 上，下，左，右， 左上， 右上，左下，右下。以boxfilter为例子，kernel如下：

论文实验：

这个实验是作者分别对这6张图的实验，对比 boxfilter 和 side-boxfilter在边缘的滤波效果， 从曲线可以看到side-boxfilter的效果更好

真实应用：

side-window filter的应用很广，图像平滑，图像去噪，HDR tone mapping，colorization上色等各个领域。
在图像增强的时候，没有出现白边。

在colorization的时候能够很好的防止color leakage