4. 边缘保护降噪：双边滤波原理、参数影响、快速实现技巧

降噪这件事，最怕什么？

怕把边缘也抹掉了。一张图降完噪，噪点没了，但人脸轮廓糊了，文字边缘虚了——这在 ISP 里是致命的。我早期做手机摄像头调试时就踩过这个坑，降噪力度一上去，解析力直接崩盘。

双边滤波，就是来解决这个矛盾的。它能在降噪的同时，尽量保住边缘。

4.1 双边滤波的核心思想

普通的高斯滤波，只考虑像素之间的空间距离。离中心近的权重大，离得远的权重小。这会导致一个问题：边缘两侧的像素，明明属于不同物体，却因为空间距离近，被强行平均在一起。

双边滤波多了一个维度——像素值的相似度。它不光看距离，还看亮度差。亮度差太大的像素，就算挨着，权重也会被压低。

说白了，双边滤波在做两件事：

• 空间域：只跟附近的像素玩。
• 值域：只跟亮度差不多的像素玩。

边缘处的像素，亮度差大，值域权重接近 0，所以不会被拉进来平均。边缘就保住了。

4.2 两个关键参数：σ_s 和 σ_r

调双边滤波，其实就是调两个 sigma。我习惯叫它们：

• σ_s（空间 sigma）：控制空间距离的衰减速度。
• σ_r（值域 sigma）：控制亮度差的容忍度。

参数	物理含义	调大后果	调小后果
σs	空间滤波半径	平滑更强，边缘可能变糊	降噪不足，保留细节
σr	亮度差容忍度	边缘保护变弱，容易产生光晕	边缘锐利，但降噪效果差

4.3 双边滤波的数学形式

公式其实不复杂，但理解它有助于调参。

BF[I](p) = (1 / W_p) * Σ_{q ∈ S} G_s(||p - q||) * G_r(|I(p) - I(q)|) * I(q)

其中：

• p：当前像素位置。
• q：邻域内的像素位置。
• G_s：空间高斯核。
• G_r：值域高斯核。
• W_p：归一化因子，所有权重之和。

嗯，这里要注意：值域权重依赖于中心像素的亮度值 I(p)。所以双边滤波是非线性的，没法像普通高斯滤波那样用卷积加速。

4.4 快速实现技巧

双边滤波慢，是出了名的。我当年在嵌入式平台上做实时降噪，双边滤波直接跑不动。后来摸索出几个加速方法，分享给你。

4.4.1 分离式双边滤波

把二维滤波拆成水平和垂直两个一维滤波。速度能快 2~3 倍，但边缘保护效果会略有下降。适合对实时性要求高的场景。

4.4.2 下采样 + 上采样

先把图像缩小到 1/2 或 1/4，在低分辨率上做双边滤波，再放大回原尺寸。我做过测试，1/2 下采样，速度提升 4 倍，画质损失肉眼几乎不可见。

4.4.3 查表法（LUT）

值域权重 G_r 只依赖于亮度差。8bit 图像亮度差范围 0~255，可以提前算好一张表，运行时直接查表，避免重复计算 exp 函数。

// 预计算值域权重 LUT
float lut[256];
for (int i = 0; i < 256; i++) {
    lut[i] = exp(-0.5 * (i * i) / (sigma_r * sigma_r));
}
// 运行时直接查表
float weight_r = lut[abs(I(p) - I(q))];

4.4.4 引导滤波替代

如果双边滤波还是太慢，可以考虑用引导滤波（Guided Filter）替代。引导滤波的效果跟双边滤波很像，但速度更快，而且不会出现梯度反转伪影。我在一些低端芯片上就用引导滤波代替双边滤波。

4.5 双边滤波的局限性

双边滤波不是万能的。我总结几个常见问题：

• 梯度反转伪影：在边缘附近，可能会出现不自然的明暗条纹。这是因为值域权重在边缘处变化太剧烈。
• 光晕效应：σ_r 设得太大，边缘两侧的像素被错误地平均，产生类似 HDR 的光晕。
• 噪声残留：σ_r 设得太小，噪声跟边缘一样被保留下来。

4.6 双边滤波在 ISP 中的位置

在 ISP 流水线里，双边滤波通常放在去马赛克之后、色调映射之前。为什么？

• 去马赛克之后，图像已经是 RGB 全彩，噪声分布相对稳定。
• 色调映射之前降噪，可以避免噪声被映射放大。

下面这张图展示了双边滤波在 ISP 降噪模块中的典型位置：

4.7 实战建议

最后，给你几个实战中可以直接用的建议：

1. 先降噪再调映射：双边滤波的参数，最好在色调映射之前确定。否则映射后的噪声形态变了，很难调。
2. 分通道处理：在 YUV 域，只对 Y 通道做双边滤波，UV 通道用简单的高斯滤波。速度能快不少，而且人眼对色度噪声不敏感。
3. 边缘检测辅助：先算一个边缘图，在边缘区域降低双边滤波的强度，平坦区域加大强度。这样能进一步保护边缘。
4. 迭代次数：双边滤波一般做 1~2 次就够了。做多了图像会变得像油画一样，失去真实感。