雙邊濾波原理_HLS實現(xiàn)Bilateral Filtering雙邊濾波器

雙邊濾波（Bilateral filter）是一種可以保邊去噪的濾波器。之所以可以達到此去噪效果，是因為濾波器是由兩個函數(shù)構成。一個函數(shù)是由幾何空間距離決定濾波器系數(shù)。另一個由像素差值決定濾波器系數(shù)。

雙邊濾波器中，輸出像素的值依賴于鄰域像素的值的加權組合，權重系數(shù)w(i,j,k,l)取決于定義域核和值域核的乘積，同時考慮了空間域與值域的差別，而Gaussian Filter和α均值濾波分別只考慮了空間域和值域差別。

雙邊濾波原理（Bilateral Filtering）

基本思路

雙邊濾波（bilateral filtering）的基本思路是同時考慮將要被濾波的像素點的空域信息（domain）和值域信息（range）。因此是一種 combined 濾波方式，因此叫做 bilateral ，即同時考慮兩方面的信息。首先，對于圖像濾波來說，一個通常的intuition是：（自然）圖像在空間中變化緩慢，因此相鄰的像素點會更相近。但是這個假設在圖像的邊緣處變得不成立。如果在邊緣處也用這種思路來進行濾波的話，即認為相鄰相近，則得到的結果必然會模糊掉邊緣，這是不吼的，因此考慮再利用像素點的值的大小進行補充，因為邊緣兩側的點的像素值差別很大，因此會使得其加權的時候權重具有很大的差別，從而使得只考慮自己所屬的一邊的鄰域?？梢岳斫獬上雀鶕?jù)像素值對要用來進行濾波的鄰域做一個分割或分類，再給該點所屬的類別相對較高的權重，然后進行鄰域加權求和，得到最終結果。

實現(xiàn)原理

在 bilateral filtering 中，兩個要素即：closeness 和 similarity ，或者說 domain 和 range ，或者 geometric 和 photometric ，其數(shù)學表達方式相近，如下：

其中積分號前面為歸一化因子，這里考慮對所有的像素點進行加權，c 和 s 是 closeness 和 similarity 函數(shù)，x 代表要求的點，f （x） 代表該點的像素值。f（x） –》 h（x） 為濾波前后的image。我們最后的濾波函數(shù)為

由于domain component，使得濾波特性較好，由于range component，使得crisp edge 可以保持。

下圖示意了有邊緣的時候的權重和最后的濾波結果，可以看出權重在邊界有很明顯的分界，從而幾乎只對自己所屬的邊緣一側的像素點進行加權。

實現(xiàn) c 和 s 兩個函數(shù)的一種方法即 Gaussian 核，決定其性質的為各自的sigma參數(shù)，即 σdσd 和 σrσr 。

template

unsigned char bilateralProc（

hls：：Window &win，

WEIGHT_VALUE weights［WIN_SZ*WIN_SZ］［256］，

WEIGHT_MAP map［（WIN_SZ》》1）*（WIN_SZ》》1）+1］）

{

#pragma HLS INLINE

ap_ufixed《16，1》 color_weights;

ap_ufixed《32，16》 weight_sum=0;

ap_ufixed《32，16》 px_sum=0;

for （int i=0;i》1;

ap_uint《8》 sub_sq = sub*sub;

ap_int《8》 ei = i-sub;

ap_int《8》 ej = j-sub;

ap_uint《8》 comp = ei*ei;

comp += ej*ej;

if（comp》sub_sq）

{

continue;

}

else

{

ap_int《9》 diffpx = win（i， j） - win（WIN_SZ》》1，WIN_SZ》》1）;

if（diffpx 《 0）

{

diffpx = -diffpx;

}

if（comp == 0）

color_weights = 1;

else

color_weights = （ap_ufixed《16，1》）weights［map［comp］］［diffpx］;

px_sum += （color_weights）*（ap_uint《16》）（win（i，j））;

weight_sum += color_weights;

}

}

}）（px_sum/weight_sum） + （ap_ufixed《32，16》）（0.5）;

return value;

}

template

void _filter（

hls：：Mat &src，

hls：：Mat &dst，

WEIGHT_VALUE weights［WIN_SZ*WIN_SZ］［256］，

WEIGHT_MAP map［（WIN_SZ》》1）*（WIN_SZ》》1）+1］）

{

HLS_SIZE_T IMG_HEIGHT = src.rows;

HLS_SIZE_T IMG_WIDTH = src.cols;

hls：：filter2d_kernel fk_opr;

hls：：Window src_kernel_win;

hls：：LineBuffer main_buf;

hls：：LineBuffer col_buf;

HLS_SIZE_T fillvalue=255;

HLS_SIZE_T loophight=IMG_HEIGHT+WIN_SZ-1;

HLS_SIZE_T loopwidth=IMG_WIDTH+WIN_SZ-1;

HLS_SIZE_T buf_row=0;

HLS_SIZE_T buf_rows，buf_cols;

HLS_SIZE_T heightloop= IMG_HEIGHT+WIN_SZ-1;

HLS_SIZE_T widthloop = IMG_WIDTH+WIN_SZ-1;//one pixel overlap， so it should minus one

loop_height： for（HLS_SIZE_T i= 0;i《 heightloop;i++） {

#pragma HLS LOOP_TRIPCOUNT MAX=ROWS

loop_width： for （HLS_SIZE_T j= 0;j《 widthloop;j++） {

#pragma HLS DEPENDENCE array inter false

#pragma HLS LOOP_TRIPCOUNT MAX=COLS

#pragma HLS LOOP_FLATTEN OFF

#pragma HLS PIPELINE II=1

if（j

》 temp;

else

temp=fillvalue;

main_buf（0，j）=（temp&0xFF）;

}

for（buf_row=0; buf_row=1; buf_row--）{

HLS_TNAME（HLS_8UC1） temp=col_buf（buf_row-1，0）;

src_kernel_win（buf_row-1，0）=temp;

main_buf（buf_row，j）=temp;

}

}

else

{

for（HLS_SIZE_T row=0; row=1; col--）

{

src_kernel_win（row，col） = src_kernel_win（row，col-1）;

}

}

for（HLS_SIZE_T row=0; row= （WIN_SZ-1） && j》=（WIN_SZ-1））

{

ap_uint《8》 temp_out = bilateralProc（src_kernel_win， weights， map）;

dst.data_stream［0］ 《《 temp_out;

}

}//w

}//h

}

void hls_BilateralFilter（ AXI_STREAM &INPUT_STREAM， AXI_STREAM &OUTPUT_STREAM，int rows， int cols，

WEIGHT_VALUE weights［MAX_WIN_SZ*MAX_WIN_SZ］［256］，

WEIGHT_MAP map［（MAX_WIN_SZ》》1）*（MAX_WIN_SZ》》1）+1］）

{

#pragma HLS INTERFACE axis port=INPUT_STREAM

#pragma HLS INTERFACE axis port=OUTPUT_STREAM

#pragma HLS INTERFACE s_axilite port=rows bundle=BUS_CTRL

#pragma HLS INTERFACE s_axilite port=cols bundle=BUS_CTRL

#pragma HLS INTERFACE s_axilite port=weights bundle=BUS_CTRL

#pragma HLS INTERFACE s_axilite port=map bundle=BUS_CTRL

#pragma HLS INTERFACE s_axilite port=return bundle=BUS_CTRL

hls：：Mat src（rows，cols）;

hls：：Mat dst（rows，cols）;

hls：：Mat src0（rows，cols）;

hls：：Mat src1（rows，cols）;

hls：：Mat gray0（rows，cols）;

hls：：Mat gray1（rows，cols）;

#pragma HLS dataflow

hls：：AXIvideo2Mat（INPUT_STREAM， src）;

hls：：Duplicate（src，src0，src1）;

hls：：CvtColor（src0，gray0）;

_filter（gray0， gray1， weights， map）;

hls：：CvtColor（gray1，dst）;

hls：：Mat2AXIvideo（dst， OUTPUT_STREAM）;

}

C仿真效果：

原圖

雙邊濾波器

對比一下高斯模糊濾波器