保留弱结构并去除高对比度细节的改进实时图像平滑
计算机视觉与模式识别
2023-07-13 v1
摘要
图像平滑通过减小逐像素梯度来平滑掉细节。由于现有方法总是依赖梯度来决定平滑方式，而结构与细节的梯度范围相互重叠，难以区分二者并差别化处理，因此获得高质量结果尤其是保留弱结构并去除高对比度细节仍具挑战性。本文通过改进基于迭代最小二乘（称为ILS）的实时优化方法来应对该挑战。我们观察到：1）ILS在其用于决定平滑方式的惩罚函数中使用梯度作为自变量；2）当我们在惩罚函数中使用某些值替代梯度时，ILS框架仍可用于图像平滑。因此，对应像素是否属于结构的性质，我们计算一些值用于惩罚函数以决定平滑方式，从而无论其梯度高低均可差别化处理结构与细节。结果，我们能在保留弱结构的同时便捷地去除高对比度细节。此外，此类值可被调整以加速优化计算，从而我们可以使用比原始ILS方法更少的迭代次数以提升效率。这也减少了对结构的变化，有助于结构保留。实验结果表明我们在效率与质量上相对于现有方法的优势。
引用
@article{arxiv.2307.06298,
title = {Improved Real-time Image Smoothing with Weak Structures Preserved and High-contrast Details Removed},
author = {Shengchun Wang and Wencheng Wang and Fei Hou},
journal= {arXiv preprint arXiv:2307.06298},
year = {2023}
}