1. 边缘保留滤波概述
各位同学好，我是这门课的主讲。今天咱们聊聊边缘保留滤波——说白了，就是那种能在磨皮的同时，不把照片里重要的边缘线条给磨没了的算法。
我最早接触这个概念是在做手机HDR算法的时候。当时有个头疼的问题：多帧合成后，天空的噪点没了，但建筑物的轮廓也跟着糊了。嗯，那时候我才意识到，传统滤波在HDR这条路上，走不太远。
什么是边缘保留滤波
边缘保留滤波（Edge-Preserving Filtering），核心就一句话：平滑噪声，但不模糊边缘。
你想想看，一张照片里哪些地方算边缘？人物轮廓、建筑棱线、文字笔画……这些地方像素值变化剧烈。传统滤波不管三七二十一，全图一起糊；边缘保留滤波会先判断“这里是不是边缘”，如果是，就手下留情。
核心思想：滤波核的权重不仅取决于空间距离，还取决于像素值差异。差异大的地方（边缘），权重降低，边缘得以保留。
常见的边缘保留滤波包括：
- 双边滤波（Bilateral Filter）——最经典，空间域+值域双权重
- 引导滤波（Guided Filter）——速度快，边缘保持好，O(1)复杂度
- 各向异性扩散（Anisotropic Diffusion）——偏微分方程思路，迭代求解
- 加权最小二乘（WLS）——全局优化，效果细腻但慢
我个人习惯把双边滤波当作入门第一课。它直观，好理解，调参也方便。但要注意，双边滤波在边缘附近容易出现梯度反转伪影——这个后面章节我会专门讲怎么避免。
为什么HDR需要它
HDR的核心流程，说白了就是“多张不同曝光的照片合成一张”。这个过程会产生两个典型问题：
- 噪声放大——暗部提亮后，传感器噪声跟着放大
- 细节丢失——合成时如果直接平均，高对比边缘会变模糊
传统滤波能解决噪声，但代价是细节。HDR最怕的就是细节糊掉——你想想，一张HDR照片，天空层次丰富，但楼房的窗户框全糊成一片，那还有什么意义？
我的经验：在HDR管线中，边缘保留滤波通常放在色调映射（Tone Mapping）之前。先做细节保护，再做动态范围压缩，这样能最大程度保留纹理信息。
我曾经在一个夜景HDR项目里踩过坑：直接用高斯滤波去噪，结果路灯的边缘扩散成光晕，整个画面像蒙了一层雾。后来换成双边滤波，边缘清晰度提升了至少30%。
与传统滤波的对比
咱们直接看对比表，一目了然：
| 对比维度 | 传统滤波（高斯/均值） | 边缘保留滤波 |
|---|---|---|
| 权重依据 | 仅空间距离 | 空间距离 + 像素值差异 |
| 边缘处理 | 模糊边缘 | 保留边缘 |
| 噪声去除 | 均匀平滑 | 平滑平坦区域，保留纹理 |
| 计算复杂度 | 低（O(1) 或 O(k²)） | 较高（O(k²) 或更高） |
| 适用场景 | 预处理、简单去噪 | HDR细节保护、美颜、深度估计 |
| 伪影风险 | 边缘模糊、细节丢失 | 梯度反转、光晕（需调参） |
从表里能看出来，传统滤波的优势在于快、简单。但HDR场景下，细节就是生命。你愿意为了省几毫秒的计算时间，牺牲整张照片的观感吗？反正我不愿意。
避坑提醒：不要以为边缘保留滤波是万能药。参数设置不当，双边滤波的σspatial和σrange如果偏差太大，要么边缘没保住，要么噪声没去掉。我建议刚开始做实验时，先固定σspatial=3~5，再调σrange，这样更容易找到感觉。
知识结构总览
下面这张图，把本章的核心逻辑串起来了。你可以把它当作后续学习的路线图：
这张图把本章的三个核心模块串起来了。左边是定义，中间是HDR为什么需要它，右边是和传统滤波的对比。底部列出了后续章节会深入讲解的几种具体算法。
好了，第一章就到这里。记住一句话：边缘保留滤波，是HDR细节保护的基石。后面我们会一步步深入每种算法的原理、代码实现和调参技巧。到时候咱们再细聊。