動機
繪畫或圖解常壓低細微變化,同時保留選定邊界。普通平均把鄰近數值都平滑,可能模糊最想保留的邊。邊緣感知平均改變權重:位置雖近,導引值卻差很大的像素,貢獻少於位置近且導引值相似的像素。這是對「平滑甚麼」的算法選擇,並非完整藝術判斷模型。
非寫實成像刻意改外觀。分片常數色塊配深色線條,可以保留形狀而丟掉紋理和細緻照明。要理解結果,應分清濾波、量化及畫線。方法可能加入量度場景中沒有的線,也可能因孤立雜訊看似邊緣而保留它。所以「保邊」只限定加權機制,並非保證保留所有有意義邊緣、刪掉所有雜訊。
本節分析有限網格的雙邊式濾波,再構造可重現的小型風格化流程。證明分清固定導引與每輪重算導引。我們亦會看到:連通網格上,反覆使用同一固定導引濾波,最後會刪去所有非常數分量,即使跨邊權重極小。慢慢跨邊混合,不等於永久數學屏障。
定義
定義 1.24.1
(固定導引的雙邊型濾波器)
像素索引有限,純量影像值為 、位置 。選對稱非負空間權重 ,且 ;零權重可限制鄰域。固定導引 、值域尺度 定義
導引可以是輸入影像、色彩向量或另一項已對齊量度。自權重保證 。固定 時,這是 的線性映射;若每輪用當前 重算 ,係數隨數據改變,整體便非線性。值域距離也依賴導引的表示與單位。
定義 1.24.2
(空間核與兩個尺度)
常見空間選擇是在對稱鄰域內取 ,。 是位置尺度, 是導引數值尺度,增加兩者的效果不同。即使內部核平移不變,邊界鄰域的總權重仍可能不同。
定義 1.24.3
(量化基底與邊線標記)
明確風格化先求平滑底圖 ,再把它量化至有限層級 ,以指定平手規則選最近 。一維行的相鄰邊強度為 ,選門檻 , 才標線。二維則須指定水平、垂直差分或其他梯度算子。門檻及線位置是設計參數,不是直接恢復的物理輪廓。
定理 / 命題
定理 1.24.4
(正規化正權重保常數,並滿足值域界)
在上述非負空間權重與正自權重下,每個輸出是參與輸入值的凸組合:
常數精確不變。固定導引時,。最後一項比較同一線性算子作用兩個信號,並非比較兩個重新適應的導引。
定理 1.24.5
(固定導引迭代保加權平均,並趨向常數)
設 對稱,正非對角權重構成連通圖;,且自權重為正如上。重複使用同一 ,會收斂至常數影像
每一步均保留 加權總和,普通無權總和卻未必保留。結論只針對固定導引與固定權重,不是任意非線性重加權的定理。
不連通的正權重分量,會各自趨向分量內加權常數。若跨邊權重真正為零,便可永久分離。有限導引差的 Gaussian 值域因子嚴格正,本身不會創造零權重。截斷空間鄰域後,網格仍可能透過多個短步保持連通。
證明思路
證明
(凸組合與最大範數界)
令 ,每行非負且和為一,所以平均在輸入最小與最大值間,常數亦不變。固定導引時,差為 ,絕對值不超過最大輸入絕對差。導引改變時,兩輸出用不同係數行,這個簡短證明不再適用。
證明
(加權平均與收斂到常數)
加權總和由對稱性保留:
為分析收斂,寫 、,它與實對稱矩陣 相似,因此有實特徵值和相應完整特徵基。最大範數界使特徵值全在 。特徵值一的固定向量必為常數:在最大分量,正平均要仍等於最大值,所有正權鄰居均須相同,連通性把相等傳至全圖。
特徵值負一不可能。在絕對值最大分量,平均若等於該分量的負值,每個正權貢獻者都須取相反極值;正自權重造成矛盾。因此其他模態特徵值絕對值嚴格小於一,反覆作用會消失。保留的加權和決定剩餘常數正是 。
證明透視
小權重拖慢擴散,零權重才阻斷它
證明只需連通,不需要每條邊權重都大。極小正橋樑仍耦合兩區,只是某特徵值可能非常接近一,混合極慢。每輪重算導引會改算子,單一固定譜分解便不能描述整段執行。幾輪後的外觀印象,與無限次迭代定理是不同結論。
固定導引濾波也是每個輸出位置分別最小化 的精確解。微分給 。這個局部最小二乘解釋,不表示一輪就解了未知輸出像素彼此差異所構成的全域恢復能量;後者的未知量會耦合,是不同問題。
概念視角結構
把濾波看成隨機遊走的一步
權重 在像素上定義一個加權圖, 是由像素 走到像素 的轉移概率。於是 就是從 走一步後 的期望值。 對稱給出 ,所以這個遊走可逆,穩態權重與 成正比。極限 就是 在該穩態分布下的平均值。
例題詳解
例題 1.24.6
(兩像素邊緣會減弱,並非完全凍結)
兩像素數值與導引為零、一,空間權重均一,選 令跨邊值域權重 。則
原跳變一變成 ;對比模態特徵值 ,同一算子用 次後跳變為 ,趨零。減小 只拖慢,不永久保邊。若孤立亮像素其實是雜訊,短期也可能被同一機制保護。
例題 1.24.7
(普通平均為何可以移動?)
三像素鏈用常數導引,令
輸入 ,一輪得 。普通總和 ,不等於原來一;加權和卻為 ,與原圖相同。反覆作用,全部像素趨向 。邊界與中間像素鄰域總權重不同,解釋普通平均與不變平均的差別。
例題 1.24.8
(完整的小型風格化決策)
輸入 ,保留為固定導引;自權重一,直接相鄰空間權重一,單位跳變值域權重 。一輪得 。量化至 ,得 ,無平手。平滑底圖的邊強度為 ;門檻 只標中間邊界。這完整指定了行的雙色加線設計。若在量化後才求梯度,會得零、一、零,是相關但不同算法。
彩色版本若所有通道共用同一組非負純量權重,結果在參與色彩向量的凸包內。若各通道用不同導引,可能混合不同來源的通道組合,失去此凸包保證。這不是證明共權結果知覺較好,而是給一項具體輸出幾何性質。
概念視角分析
平滑與畫線測量不同事物
值域核決定哪些已觀察鄰居貢獻底圖;梯度門檻再決定底圖哪些變化應畫明線。量化把連續值改成層級,亦創造不連續。這些操作未必可交換,次序要寫進算法,因它會改細節及可見邊界的來源。
有限實作可逐步核查:指定強度單位與導引;建立對稱鄰域;只對有效貢獻者正規化;計算一輪或指定輪數;用明確層級量化;在明定階段測梯度;按規則放線。直接濾波每輪成本正比鄰接對數。更多輪或更大空間鄰域成本更高,狹窄值域尺度則可能同時保護重要邊緣與不想要的離群值。
常見錯誤
反例模式
最近層級量化可以創造很大假邊
量化至零、一,分界 。輸入 只差 ,卻變成零、一,輸出跳變一。因此風格化邊可能由色盤決策創造,而非繼承強量測邊。有限色盤不會讓映射變成非擴張;宣稱穩定時須考慮此不連續。
常見錯誤
(把固定導引的界用在自適應導引上)
不等式 比較的是同一個算子 作用在兩個信號上。 與 使用不同的權重行,這個簡短證明就不適用。以當前影像作導引的濾波器是非線性的,其穩定性須另行檢驗。
常見錯誤
(以為普通平均會守恆)
正規化權重守恆的是以 加權的和,而不是普通的和。在三像素鏈上取 ,一次濾波令普通平均由 變為 ,加權平均卻保持 。邊界像素的總權重比內部像素小,所以雙邊型濾波器一般會改變靠近影像邊界的普通平均亮度。
不要把每個大梯度都當成物體輪廓:紋理、光照、陰影、取樣假象和雜訊都可能產生梯度。語義上的詮釋需要有限差分以外的資訊。
常見錯誤
(值域尺度有單位)
值域尺度有單位。只把導引數值乘正常數而不改 ,權重會變;導引與 同比例縮放,權重才相同。 實作不能直接沿用 上調好的參數。適合去雜訊的設定,也未必適合刻意製造海報化效果。
總結
邊緣感知平均結合位置接近與導引相似。非負正規化保常數和值域界;固定導引容許線性穩定性及加權平均分析。連通固定導引反覆濾波最終把圖弄平,極小正權只延遲混合。量化與線提取加入其他選擇,因此非寫實流程應明定次序、門檻和有意丟掉的資訊。
練習
快速檢查
(兩像素固定算子跨邊權重 ,求 一輪輸出、三輪後跳變及極限常數。)
解答 · 答案
一輪為 ,跳變 。非常數特徵值 ,三輪跳變 。兩行總權重相同,不變加權平均等於普通平均 ,兩像素最終均取此值。
快速檢查
(驗證三像素鏈一輪後的加權平均和普通平均。為何常數輸入不變,非常數的普通平均卻可改?)
解答 · 答案
輸出 加權和二、平均 ,與輸入相同。普通平均是 ,原圖是 。常數不變因每行正規化和一;保無權總和卻需要每列亦和一,此鏈並不滿足。
快速檢查
(四像素風格化例改用 ,求平滑底圖,以及量化前門檻 標哪些邊界。)
解答 · 答案
端點仍零、一;兩內點為 、。邊強度 ,只中間超過 。量化是其後另一步,求這些梯度時未用。
快速檢查
(證明導引與 同乘正數不改權重。再解釋輕微擾動輸入後量化,為何未必滿足固定導引濾波的最大範數收縮界。)
解答 · 答案
導引差平方與值域尺度平方同乘相同因子,所以比值及指數不變。量化卻是不連續最近層級映射, 可變成零、一。定理只談同一正平均算子,不談再接另一個不連續映射;各流程階段須分別檢查保證。