因為最後的dde演算法中，最核心的就是濾波器模組，由於做之前是沒有好好攻讀相關硬體文獻，加上相關背景寫的不好導師一頓痛批，搞得現在要本末倒置，拿結果去找自己值得這麼做的理由。但其實從研究角度來說應該是一件好事的。
(小吐個槽：說起來之前也不算是沒好好讀文獻，實在是調研的時候方向偏差太大，紅外影象增強的vlsi或fpga實現？要麼沒有，要麼都停留在很簡單的加速方式，比如已經被做成ip的直方圖均衡類演算法，甚至有人拿c轉verilog來湊數的！有參考價值的都只是單單說演算法而不是太講實現的。也都是做rtl設計的時候遇著坑了，才想到主要問題可能要去分析濾波器，而搜濾波器的硬體實現才是真的一搜嚇一跳，果然很多時候，我們思維都容易固化在頂層了，畢竟做vlsi或者fpga設計很多時候是沒辦法細份在某個具體應用領域的，都是越通用越好，而用它們加速本身也是一種底層思維，迭代成本很高，更需要我們具有這種底層的意識）。
今天就主要聊聊雙邊濾波器的硬體實現。
首先感覺比較新並且比較系統的應該算是這一篇了
tseng y c , hsu p h , chang t s . a 124 mpixels/s vlsi design for histogram-based joint bilateral filtering[j]. ieee transactions on image processing, 2011, 20(11):3231-3241.
他最好的一點是對很多處理這種濾波器的思路進行了歸類總結，並對時間複雜度和儲存消耗做了整理。
**中的歸類表
我最後的採用的設計方法，也是非常相似於durand的方法，所以我先對這種型別做一說明。雙邊濾波器擁有更多的應用場景就是因為他比一般的空間濾波器（文中稱spatial filter）有更好的邊緣保持性(edge-preserving)，理解一下就是邊緣（也可以理解為輪廓）越多的地方，平滑的程度相對於非邊緣區域小一點。一般的空間濾波器，在fpga和vlsi應用中，已經有了很好辦法了，就是用暫存器組，搭建乙個卷積核，並且利用s行緩衝把zig-zag（寫z字母的順序）的順序，變成s行並行。（圖畫的很醜，大家理解）
那麼能不能把f(|c-q|),g(|ic-iq|)也寫到這個卷積核裡呢？答案是不能的，由於位置確定，計算f其實輸入都是常量，但是g的輸入可不是常量，他需要中心畫素點，而這個卷積核每移動一下（整個運算操作可以等效為卷積核按z型移動），中心畫素點都會變。g需要乙個單輸入超越函式運算模型，在硬體實現中，方法有3，一種是多項式分解，一種是cordic演算法，一種就是lut（查詢表）。前兩個這個表中沒有，就不說了，lut顧名思義，就是有限輸入情況，你拿著輸入翻譯成位址到ram裡找，1個週期就能實現，特別適合現在的情況：時間短、吞吐率一致，而且數字影象處理的灰度級本身也是有限的。但是套的時候就發現問題了，我為了簡單只話了乙個3x3的卷積核，如果大了，對於ram面積就是幾何倍的增長，如何能讓這個增長不太大就是去縮減ic-iq的灰度級（subsample），或者用線性插值（piecewise-linear）去進一步簡化lut（y=c--->y=ax+b）。當然也有人直接避開這種計算，比如paris的方法是直接用近似的方法把二維卷積化成了三維卷積（比較怪異不細說）。memory cost應該沒有表裡這樣，就basic而言我覺得應該是這樣的，不少於s*（n-1）+(s*（h+1）)^2，第一項是行緩衝，第二項是查詢表加暫存器組（查詢表深度h）。
pham的方法，先x方向上濾波，再y方向上濾波
一維訊號雙邊濾波器 雙邊濾波器文獻總結（一）
因為最後的dde演算法中，最核心的就是濾波器模組，由於做之前是沒有好好攻讀相關硬體文獻，加上相關背景寫的不好導師一頓痛批，搞得現在要本末倒置，拿結果去找自己值得這麼做的理由。但其實從研究角度來說應該是一件好事的。小吐個槽 說起來之前也不算是沒好好讀文獻，實在是調研的時候方向偏差太大，紅外影象增強的v...
快速雙邊濾波 Python實現
介紹 課程的最後乙個實驗是處理雀斑，網上查詢了很多方法，最後我選擇了快速雙邊濾波。但是實驗又不能直接呼叫 opencv 的庫，因此，我參照了 這個部落格，將用 c 寫的快速雙邊濾波改用 python 重新寫了一遍。快速雙邊濾波是啥呢，官方滴說，它是一種非線性的濾波方法。它最大的特點就是既使用了顏色的...
點雲平滑之雙邊濾波適用性分析
雙邊濾波原文 the bilateral filter for point clouds 作者為julie digne carlo franchis下面直接給出 中單點更新的方法 通過單點更新公式可知，更新點為原始點在法線方向上的移動。作者在此處進行了說明，通過半徑搜尋得到的鄰域點集進行法線估計，法...