[论文解读] Quarter Laplacian Filter for Edge Aware Image Processing

Yuanhao Gong, Wenming Tang+3 more|arXiv (Cornell University)|Jan 20, 2021

Image Enhancement Techniques参考文献 23被引用 4

一句话总结

本文提出了一种新颖的四分之一拉普拉斯滤波器，通过使用2×2支持区域，在保持边缘和角点的同时，实现了基于盒滤波器实现的高局部性和高效图像平滑。该方法在图像平滑、纹理增强和低光照增强等任务中，相较于经典拉普拉斯滤波器，展现出更优的边缘保持性能，具有极少伪影且适用于实时应用的高性能表现。

ABSTRACT

This paper presents a quarter Laplacian filter that can preserve corners and edges during image smoothing. Its support region is $2 imes2$, which is smaller than the $3 imes3$ support region of Laplacian filter. Thus, it is more local. Moreover, this filter can be implemented via the classical box filter, leading to high performance for real time applications. Finally, we show its edge preserving property in several image processing tasks, including image smoothing, texture enhancement, and low-light image enhancement. The proposed filter can be adopted in a wide range of image processing applications.

研究动机与目标

• 开发一种比经典3×3拉普拉斯滤波器更具局部性和效率的替代方案，用于边缘保持的图像平滑。
• 通过提出一种轻量化、基于解析原理的滤波器，解决基于深度学习的滤波器存在的高内存占用和可解释性不足等局限性。
• 通过在新型各向异性扩散框架中利用盒滤波器的计算效率，实现高性能、实时的图像处理。
• 在图像平滑、纹理增强和低光照增强任务中，提升边缘和角点的保持能力。

提出的方法

• 该方法在每个像素周围使用四个2×2的四分之一窗口来计算局部拉普拉斯算子，取代标准的3×3各向同性核。
• 四分之一拉普拉斯滤波器被表述为每个2×2窗口内像素值的加权和，其推导基于特定核的离散拉普拉斯算子。
• 该滤波器通过盒滤波器的级联实现，无论滤波器尺寸如何，均可实现常数时间计算，从而确保实时应用中的高性能。
• 通过将扩散过程限制在尊重强度梯度不连续性的方向性、各向异性邻域中，实现边缘保持。
• 滤波器在扩散框架中迭代应用：U^{t+1} = U^t + QuarterLaplacianFilter(U^t)，默认使用10次迭代。
• 在彩色图像中，该方法按颜色通道独立应用，并扩展至低光照增强中的多尺度处理。

实验结果

研究问题

• RQ1 2×2支持区域的拉普拉斯滤波器是否能比标准3×3拉普拉斯滤波器更有效地保持边缘和角点？
• RQ2 能否仅通过盒滤波器高效实现四分之一拉普拉斯滤波器，以支持实时性能？
• RQ3 所提出的滤波器在图像平滑、纹理增强和低光照增强任务中是否优于现有边缘保持方法？
• RQ4 与半窗或全窗相比，使用四分之一窗口在图像结构保持和伪影减少方面有何影响？

主要发现

• 四分之一拉普拉斯滤波器在图像平滑过程中成功保持了角点和边缘，这一结果在定性和定量比较中均得到验证。
• 该滤波器的2×2支持区域相比标准3×3拉普拉斯滤波器具有更高的局部性，从而更精确地处理图像中的细微结构。
• 通过盒滤波器实现的滤波器可实现常数时间计算，使该方法具有极高效率，适用于实时应用。
• 在图像平滑任务中，与Domain Transform、Guided Filter和Relative Total Variation相比，该方法在具有剧烈过渡的区域产生更少的伪影。
• 在纹理增强任务中，该方法能有效增强细节且失真极小，在保持结构完整性方面优于最先进方法。
• 在低光照图像增强中，该滤波器能有效恢复多尺度下的光照细节，生成自然逼真的结果，且未引入光晕或噪声伪影。