基于引导图像滤波的图像去噪 MATLAB实现

一、引导滤波原理

引导滤波（Guided Filter）通过局部线性模型实现去噪，其核心思想是：在局部窗口内，输出图像与引导图像呈线性关系，通过最小化重建误差和正则化项，保留边缘信息的同时抑制噪声。

数学模型：

\(q_i=a_kI_i+b_k\)

其中：

• \(I_i\)：引导图像像素

• \(a_k,b_k\)：局部线性系数（通过窗口内统计量计算）

• \(ϵ\)：正则化参数（控制平滑程度）

关键步骤：

1. 统计量计算：均值、协方差、方差

2. 线性系数求解：

3. 系数平滑：对a,b进行均值滤波消除块效应

4. 输出合成：

---

二、MATLAB实现代码

function q = guidedFilter(I, p, r, eps)% 输入参数：% I - 引导图像（与p同尺寸）% p - 待去噪图像% r - 窗口半径% eps - 正则化参数[hei, wid] = size(I);N = boxFilter(ones(hei, wid), r);  % 归一化窗口% 计算均值mean_I = boxFilter(I, r) ./ N;mean_p = boxFilter(p, r) ./ N;% 计算协方差和方差mean_Ip = boxFilter(I.*p, r) ./ N;cov_Ip = mean_Ip - mean_I .* mean_p;mean_II = boxFilter(I.*I, r) ./ N;var_I = mean_II - mean_I .* mean_I;% 计算线性系数a = cov_Ip ./ (var_I + eps);b = mean_p - a .* mean_I;% 平滑系数mean_a = boxFilter(a, r) ./ N;mean_b = boxFilter(b, r) ./ N;% 合成输出q = mean_a .* I + mean_b;
end% 辅助函数：积分图加速的均值滤波
function imDst = boxFilter(imSrc, r)[hei, wid] = size(imSrc);imDst = zeros(size(imSrc));% 累积和计算imCum = cumsum(imSrc, 1);imDst(1:r+1, :) = imCum(1+r:2*r+1, :);imDst(r+2:hei-r, :) = imCum(2*r+2:hei, :) - imCum(1:hei-2*r-1, :);imDst(hei-r+1:hei, :) = repmat(imCum(hei, :), [r, 1]) - imCum(hei-2*r:hei-r-1, :);% X轴累积和imCum = cumsum(imDst, 2);imDst(:, 1:r+1) = imCum(:, 1+r:2*r+1);imDst(:, r+2:wid-r) = imCum(:, 2*r+2:wid) - imCum(:, 1:wid-2*r-1);imDst(:, wid-r+1:wid) = repmat(imCum(:, wid), [1, r]) - imCum(:, wid-2*r:wid-r-1);
end

---

三、使用示例

% 读取图像
img = imread('noisy_image.jpg');
if size(img,3)==3img = rgb2gray(img);  % 转为灰度图
end
img = im2double(img);% 参数设置
r = 40;      % 窗口半径
eps = 0.01;  % 正则化参数% 执行引导滤波
denoised = guidedFilter(img, img, r, eps);  % 自引导模式% 显示结果
figure;
subplot(121), imshow(img), title('原始含噪图像');
subplot(122), imshow(denoised), title('引导滤波去噪结果');

参考代码 用引导图像滤波实现图像去噪 www.youwenfan.com/contentcnr/100482.html

四、关键参数优化

参数	作用说明	推荐范围
窗口半径r	控制局部区域大小，影响平滑程度	3~50（大值平滑强）
正则化参数ε	抑制噪声能力，值越大平滑越强	0.001~1
引导图像	自引导（I=p）效果最佳，也可用其他图	需与输入图尺寸一致

---

五、性能对比

指标	引导滤波	双边滤波
计算复杂度	O(N)（线性）	O(r²N)（非线性）
边缘保留	严格保留梯度方向	可能梯度反转
适用场景	高分辨率图像、实时处理	低噪声图像快速处理

---

六、进阶应用

1. 多通道处理（彩色图像）：

   [B, G, R] = splitChannels(img);
   denoised_B = guidedFilter(B, B, r, eps);
   denoised = cat(3, denoised_B, denoised_G, denoised_R);
   

2. 细节增强：

   % 分离基础层与细节层
   base = guidedFilter(img, img, r, 0.1);
   detail = img - base;
   % 增强细节
   enhanced = base + 1.5*detail;
   

---

七、注意事项

1. 引导图像选择：自引导（I=p）时需确保输入图像无严重失真。

2. 噪声类型：对高斯噪声效果最佳，椒盐噪声需结合其他方法。

3. 硬件加速：对大尺寸图像可使用积分图优化（如boxFilter函数）。