2.阅读笔记:Joint Bilateral Upsampling

Abstract:

图像分析和增强任务,例如色调映射,彩色化,立体声深度和照相蒙太奇,通常需要计算像素网格上的解(例如,用于曝光,色度,视差,标签)。 计算和存储器成本通常要求在下采样图像上运行较小的解。 虽然通用上采样方法可以用于将低分辨率解决方案内插到全分辨率,但是这些方法通常假定内插之前的平滑性。
我们证明在诸如上面的情况下,可用的高分辨率输入图像可以被利用作为在联合双向上采样程序的上下文中的先验,以产生更好的高分辨率解决方案。 我们显示上述每个应用的结果,并将其与传统的上采样方法进行比较。

来我们来回顾一下之前的BF和JBF

BF:

f为the spatial filter kernel,就想高斯kernel,是以p为中心。
g 为the range filter kernel,图像中心的像素值为Ip.
Ω is the spatial support of the kernel f
kp is a normalizing factor, the sum of the f · g filter weights
kp为一个window中的所有的f与g相乘的值

JBF(joint bilateral filters):

Joint Bilateral Upsampling:

S is the low resolution solution
可以看出对于像素值差值的高斯函数是通过采样得到的,至于怎么采样,就是选取color图像的(i,j)为中心,以离中心(i,j)采样间隔的整数倍距离进行采样,当然采样范围不能超过给定windows的范围
g:就是正常的从depth image中获得的距离的高斯函数(在代码中,depth image是经过下采样后的图像)

matlab code:

function result = JointBilateralUpsample(color,depth,factor,sigma_w,sigma_c,w)
if( size(color,3) ~= 3 ),
    error( 'color data must be of 3 channel' );
end

depth = double(depth);
color = double(color);
highHeight = size( color, 1 );
highWidth  = size( color, 2 );
lowHeight = size(depth,1);
lowWidth = size(depth,2);
result = zeros(highHeight,highWidth);
for i = 1:highHeight
    for j = 1:highWidth
        id = i/factor;
        jd = j/factor;
        iMin = ceil(max(id-w,1));
        iMax = floor(min(id+w,lowHeight));
        jMin = ceil(max(jd-w,1));
        jMax = floor(min(jd+w,lowWidth));
        
        depth_sec = depth(iMin:iMax,jMin:jMax);
        color_sec = color(iMin * factor:factor:iMax * factor,jMin * factor:factor:jMax * factor,:);
        
        % Compute Gaussian range weights.
        dR = color_sec(:,:,1)-color(i,j,1);
        dG = color_sec(:,:,2)-color(i,j,2);
        dB = color_sec(:,:,3)-color(i,j,3);
        range = exp( -(dR.^2 + dG.^2 + dB.^2) / (2*sigma_c^2));
        % Calculate bilateral filter response.
        iw = (iMin:iMax) - id;
        jw = (jMin:jMax) - jd;
        [mx,my] = meshgrid(jw,iw);
        spatial = exp( -(mx.^2 + my.^2) / (2*sigma_w^2) );
        depth_weight = (depth_sec>0) .* range .* spatial;
        depth_sum = depth_sec .* depth_weight;
        result(i,j) = sum(depth_sum(:)) / sum(depth_weight(:));
     end
   end
 end

Reference:
http://delivery.acm.org/10.1145/1280000/1276497/a96-kopf.pdf?ip=116.7.245.186&id=1276497&acc=ACTIVE%20SERVICE&key=BF85BBA5741FDC6E%2E5FBA890B628FA01E%2E4D4702B0C3E38B35%2E4D4702B0C3E38B35&CFID=726004424&CFTOKEN=40527807&acm=1486607422_ae441afbcedf5ad482b545daeb52ab34

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,736评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,167评论 1 291
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,442评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,902评论 0 204
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,302评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,573评论 1 216
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,847评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,562评论 0 197
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,260评论 1 241
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,531评论 2 245
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,021评论 1 258
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,367评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,016评论 3 235
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,068评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,827评论 0 194
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,610评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,514评论 2 269

推荐阅读更多精彩内容