Hardware-Efficient Bilateral Filtering for Stereo Matching 一文的理解

下采样fine to coarse时，不断的2:1下采样得到T、平均值下采样I

上采样coarse to fine时，不断重复“某层T和J双边滤波、上采样得到finer层J”这个过程。在coarsest level（最底层时），J=I，J与T双边滤波得到I^T，I^T上采样得到J；在（coarser level）在上一层J与I^T双边得到IT，I^T上采样。

上采用中没有用以往最近领域、双线插值等，而是用adaptive upsampling上采样，这也是本文最不好懂的地方，关键是下面这个公式（本人也有疑惑，如有愿意一起研究的，可联系QQ：76565122）。 

原文如下：finer 层的“图像J”利用coarser level双边结果和finer level的均值图象I一起插值得到，插值中将finer level中T作为导向图。 问题来了，在（16）中并没有。

作者给出代码的插值部分代码如下：

// 插值 upsampling ？？
   if(s<(m_Scale-1))
   {
    int hs=m_hs[s+1];
    int ws=m_ws[s+1];
    int hs1=hs-1;
    int ws1=ws-1;
    unsigned char***image_lower_resolution=m_images[s+1];
    // loop finer level pixels
    for(int y=0;y<h;y++)
    {
     for(int x=0;x<w;x++)
     {
      int ys=(y>>1);  // got coarser pixel location
      int xs=(x>>1);
      
      // x,y 大图中位置(包括奇数和偶数)，ys,xs 小图中位置，xs=x/2, ys=y/2
      // hs ws 下图尺寸
      if(ys<hs&&xs<ws)
      {   // texture_s是2:1下采样结果          image_s：均值下采样
       int dist_rgb=euro_dist_rgb_max(m_textures[s][y][x],m_textures[s+1][ys][xs]);
       double weight_for_lower_resolution=m_table[dist_rgb];
       double weight_for_larger_resolution=1-weight_for_lower_resolution;
       for(int i=0;i<m_Channel;i++)
       {
        double sum_weight=weight_for_larger_resolution;  //                                            权重
        double sum_value = image_s[y][x][i] * weight_for_larger_resolution +  weight_for_lower_resolution * m_weighted_image[s+1][ys][xs][i];
        image_s[y][x][i]=int(sum_value/sum_weight+0.5);
       }
      }
     }
    }
   } 

 注意：

 对fine level 而言，   那么是什么含义呢，第一个coarse level重构的？T和是上一层下采样结果并为本层的输入，对于第一层（0层）而言，输入就是原始输入没有上一层给他下采样得到，因此。

Hardware-Efficient Bilateral Filtering for Stereo Matching 一文的理解

原文：https://www.cnblogs.com/jianhonggan/p/12626470.html