[发明专利]一种基于聚类的边窗滤波器优化方法

说明书

本发明涉及一种基于聚类的边窗滤波器优化方法，属于图像处理及计算机视觉领域。该方法是仅对边缘一侧的像素点进行滤波，首先采用聚类算法将图像划分成若干相近的区域，从而使得边缘两侧的像素点被划分到不同的聚类中；每一个聚类分配一个唯一的标识，同一聚类中的像素共享这一标识；在每一个边窗中，与待滤波像素拥有相同标识的像素点才被用于滤波。本发明方法相比于传统边窗滤波器可以进一步提升边缘保持特性；而且本发明方法计算复杂度较低，可以达到实际应用。

技术领域

本发明属于图像处理及计算机视觉领域，涉及一种基于聚类的图像边窗滤波器优化方法。

背景技术

图像滤波是数字图像处理及计算机视觉领域最为基础的操作，在诸多的应用处理中被采用，如图像去噪、图像去模糊、图像增强、特征提取等。在过去几十年中研究人员提出了许多的图像滤波器，最为常用的有均值滤波器(Box Filter)、高斯滤波器(GaussianFilter)、中值滤波器(Median Filter)等。

图像滤波器的关键在于保持边缘的同时去除噪声。基于这一目标，许多全局优化方法和局部优化方法被相继提出。全局优化算法的思路是将每一个像素的滤波建模为一个全局的优化问题，因此非常耗时。而局部优化算法则主要利用领域像素实现滤波优化，因此可以实时处理。当前最为经典的局部优化滤波方法包括双边滤波器(Bilateral Filter)、导向滤波器(Guided Filter)及它们的扩展。

一般地，局部滤波器通过一个滤波窗中德邻域像素点估计当前像素点的滤波值。滤波函数(除中值滤波器)一般都是滤波窗的加权平均函数：其中，F_i^p为像素i的滤波值，Ω_i为以像素i为中心的滤波窗，为权重核，p_j为输入图像像素值。例如，均值滤波器的权重核是均匀的，高斯滤波器的权重值随着与滤波窗中心的距离以高斯函数递减。这些简单的权重核是与图像内容无关的，或者仅仅与像素位置相关。这些权重核均是基于图像的缓慢空间变化特性，但是这一特性在图像边缘处失效从而导致滤波造成边缘模糊。

为了保持边缘细节，滤波器在设计权重核时需要考虑图像的内容特性。双边滤波器设计了一种与像素值相关的权重用于保持边缘细节，该权重反映了滤波窗中输入像素值与被滤波像素之间的像素值差异。导向滤波器则通过考虑导向图像的内容从而生成权重核，而该权重核可以区分边缘和平坦区域。双边滤波器和导向滤波器实现了一定程度的边缘保持。但是有一个基本的核心问题依然没有被考虑到。如图1所示，只要被滤波的像素点出于滤波窗的中心，滤波操作则会跨越边缘。

为了解决以上问题，本领域研究人员最近提出了一种边窗滤波器(Side WindowFilter，SWF)。与传统的滤波器将被滤波的像素点放置在滤波窗的中心不同，边窗滤波器将被滤波的像素点与滤波窗的边或角点对齐。边窗滤波器设计了八个边窗，分别为左(L)、右(R)、上(U)、下(D)、左上(NW)、右上(NE)、左下(SW)、右下(SE)。其次，传统的滤波器被应用到每一个边窗。最后，与原始输入像素值之间的L2范数最小的边窗输出作为该像素点的滤波值。不可否认地是，边窗滤波器显著地改善了滤波的边缘保持能力，但是滤波跨越边界的情况依然无法避免。

基于上述分析可知，SWF通过将被滤波像素与滤波窗的边或角点对齐实现了边缘细节保持能力的改善。根据SWF的实现方法来看，它对于理想的垂直和水平边缘的处理是精确的，但是实际图像的边缘常常是不规则的。为了克服SWF的这一缺点，本发明提出一种基于聚类的边窗滤波器优化方法。

发明内容

有鉴于此，本发明的目的在于提供一种基于聚类的边窗滤波器优化方法，解决传统边窗滤波器面临滤波跨越边界时导致的边缘模糊失真问题，改善滤波操作中的边缘保持特性。

为达到上述目的，本发明提供如下技术方案：

一种基于聚类的边窗滤波器优化方法，具体包括以下步骤：