图像细节增强

本篇主要讲述图像细节增强的几种方法，根据论文做了总结笔记。主要有：L0平滑，引导滤波，快速双边滤波和边缘保留多尺度图像分解的新方法（基于加权最小二乘法框架）。

图像细节增强的核心是将原图像表示为基本分量（base layer）与细节分量（detail layer）之和，在此基础上单独增强细节分量并得到增强图像，关键在于基本分量的获取。

L0平滑：L0梯度最小化，前处理后图像与原图的相似性+平滑的程度（梯度非零个数）。【迭代求解，隐式】

引导滤波：局部线性假设+L2正则约束（表示输入输出的差异）【得到滤波核，显式】

双边滤波：空间邻近度+像素值相似度（和0阶各向异性相统一，分段线性近似+FFT加速）

加权最小二乘：在保持边缘和平滑滤波之间做平衡，输出输出相似性+惩罚项（梯度大则约束小）

参考文献：

1.    《Image Smoothing via L0Gradient Minimization》

2.    《Guided Image Filtering》

3.    《Fast Bilateral Filtering forthe Display of High-Dynamic-Range Images》

4.  
4000
  《Edge-Preserving Decompositionsfor Multi-Scale Tone and Detail Manipulation》