### 使用 OpenCV 实现导向滤波 (Guided Filter) 为了实现导向滤波，在给定的导向图像 \( I \)，以及待处理的输入图像 \( p \) 的情况下，目标是计算输出图像 \( q \)[^2]。下面展示了一个基于 Python 和 OpenCV 库的具体实现方法。 #### 导入必要的库 ```python import cv2 import numpy as np ``` #### 定义 GuidedFilter 类 该类封装了导向滤波的核心逻辑： ```python class GuidedFilter: def __init__(self, I, radius=50, eps=1e-8): self.I = I self.radius = radius self.eps = eps # 计算均值 MI、MP 及联合均值 MIP self.MI = cv2.boxFilter(I, ddepth=-1, ksize=(radius,radius)) / (radius * radius) self.MP = None def filter(self, p): N = cv2.boxFilter(np.ones_like(p), -1, (self.radius,self.radius)) mean_I = self.MI mean_p = cv2.boxFilter(p, -1, (self.radius,self.radius)) / N corr_I = cv2.boxFilter(self.I*self.I, -1, (self.radius,self.radius)) / N cov_Ip = cv2.boxFilter(self.I*p, -1, (self.radius,self.radius)) / N - mean_I*mean_p var_I = corr_I - mean_I*mean_I a = cov_Ip / (var_I + self.eps) b = mean_p - a*mean_I mean_a = cv2.boxFilter(a, -1, (self.radius,self.radius)) / N mean_b = cv2.boxFilter(b, -1, (self.radius,self.radius)) / N q = mean_a * self.I + mean_b return q ``` 此代码片段定义了一个 `GuidedFilter` 类，其中包含了初始化函数和核心过滤操作[^1]。通过调整参数 `radius` 来控制窗口大小；而 `eps` 则用于防止除零错误并稳定数值运算过程。 #### 示例应用 假设有一个灰度图作为导向图片，并希望对其进行平滑处理，则可按如下方式调用上述类: ```python if __name__ == "__main__": img_gray = cv2.imread('path_to_image', 0) # 加载单通道灰度图 guided_filter = GuidedFilter(img_gray.astype(float)/255., radius=50, eps=1e-3) smoothed_img = guided_filter.filter(img_gray.astype(float)/255.) result = (smoothed_img * 255).astype(np.uint8) cv2.imshow("Original", img_gray) cv2.imshow("Smoothed Image", result) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段脚本展示了如何加载一张图片，创建一个 `GuidedFilter` 对象来进行实际的数据处理工作，并最终显示原始与经过导向滤波后的对比效果。