Side Window Filtering（CVPR 2019）阅读与实现

论文

主要针对图像滤波中边缘模糊的问题提出改进 由于很多图像中会遇到滤波窗口问题，因此论文中预计SWF可以得到广泛的应用

论文中认为edge两边极值不同且edge处不可导 g ( x − ϵ , y ) ≠ g ( x + ϵ , y ) g(x - epsilon, y) eq g(x + epsilon, y) g(x−ϵ,y)̸=g(x+ϵ,y) g ′ ( x − ϵ , y ) ≠ g ′ ( x + ϵ , y ) g'(x - epsilon, y) eq g'(x + epsilon, y) g′(x−ϵ,y)̸=g′(x+ϵ,y)

依据泰勒展开式

只展开到一阶 g ( x − 2 ϵ , y ) ≈ g ( x − ϵ , y ) + g ′ ( x − ϵ , y ) ( − ϵ ) g(x - 2epsilon, y) approx g(x - epsilon, y) + g'(x - epsilon, y)(-epsilon) g(x−2ϵ,y)≈g(x−ϵ,y)+g′(x−ϵ,y)(−ϵ) and g ( x + 2 ϵ , y ) ≈ g ( x + ϵ , y ) + g ′ ( x + ϵ , y ) ϵ g(x + 2epsilon, y) approx g(x + epsilon, y) + g'(x + epsilon, y)epsilon g(x+2ϵ,y)≈g(x+ϵ,y)+g′(x+ϵ,y)ϵ

证明edge location ‘a-’ 处必须由左侧region得到，同理edge右侧

提出了几个side window模型，根据 θ heta θ和 ρ ho ρ的变动 可以有Left, Right, Up, Down, NorthWest, NorthEast, SouthWest, SouthEast几个窗口

一改以往目标pixel处于window中心的思想，把目标pixel(x, y)放在side window的边缘，就减小了滤波过程中对边缘的削弱

按照以下算法对经典图片lena进行滤波处理，和均值滤波进行比较 （参照https://blog..net/just_sort/article/details/93664078，代码作了修改）

lena原图

均值滤波后

SWF均值滤波后

可以看到SWF对边缘的保留效果还是很好的 对代码进行一些修改还可以达到提取边缘的效果