Spatiotemporal Video Dehazing Using Dark and Bright Channel Priors with Guided Filtering

Guided Filter 的核心思想是利用一张引导图像（可以是输入图像本身或其他图像）来指导滤波过程，从而在滤波时更好地保留边缘和细节。

导向滤波（Guided Fliter）显式地利用 guidance image 计算输出图像，其中 guidance image 可以是输入图像本身或者其他图像。 导向滤波比起双边滤波来说在边界附近效果较好；另外，它还具有 的线性时间的速度优势。

Derived from a local linear model, the guided filter generates the filtering output by considering the content of a guidance image, which can be the input image itself or another different image.

在 圖像處理 上， 引導影像濾波器 （英語： Guided Image Filter）是一種能使影像 平滑 化的非線性濾波器。 與 雙邊濾波器 （Bilateral Filter）相同，這個影像 濾波器 同樣能夠在清楚保持影像邊界的情況下， [1] 達到讓影像平滑的效果。

本文记录了我对该算法的理解，并提供了一份简单的Python代码实现。 导向滤波算法要处理的是如何在平滑图像的同时“保边”的问题——既要平滑图像，但是又不能让原图像中包含线条细节的部分变模糊。 不仅是立体匹配算法，人像美化、图像去雾等应用领域都有类似的需求。 在导向滤波之前，人们往往应用双边滤波器（bilateral filter）来应对。 但是双边滤波器的时间复杂度不尽如人意，而且在应用于图像细节增强时会发生“梯度反转（gradient reve

如今，就算深度学习方法大行其道，Guided Filtering还是能在图像降噪、平滑、HDR、上采样、去雾以及图像保边等方向应用广泛。