基于局部均方差相关信息的图像去噪及其在实时磨皮美容算法中的应用。

在1979年Lee发表的论文《Lee Filter Digital Image Enhancement and Noise Filtering by Use of Local Statistics》中，提出了基于局部信息去除加性噪音、乘性噪音及加性乘性混合噪音的方法，经过仔细的学习和编码，发现其去除加性噪音的方法效果非常好，具有现在一些EPF算法类似的边缘保留功能，并且其运算并不复杂，可以应用到类似于磨皮这种项目中。

简单的算法描述如下，对于一幅N*M大小灰度图像，用表示(i,j)位置处的像素值，那么在（2*n+1)*(2*m+1)窗口内部的均布平均值及局部均方差可表示为：

及

加性去噪后的结果为：

　　 其中：

式（4）中σ为用户输入的参数。

就是这么个简单的过程，能平滑图像但同时保持边缘基本不受影响，比如下图的结果：

这个优良的品质让其能在图像磨皮方面发挥一定的作用。

在来看看这个算法的效率如何。由上面的计算公式可以看到，其主要的计算量是局部均值以及均布均方差，均值的计算优化方式很多，典型的比如累计积分图。而关于均布均方差的优化，推荐大家看这里：http://fiji.sc/Integral_Image_Filters，其核心的推倒公式为：

经过这样的推导，可以看到局部均方差也可以通过累计积分图快速实现，这样的结果是程序的效率和局部的半径参数无关，因此，效率非常高。

上述公式是针对灰度图像进行的，对于常见的RGB彩色图，只要对R/G/B三通道分别进行处理就OK了。

有了上述基础，经过个人的摸索，对于磨皮应用，这个算法的两个参数半径可取：max(Src->Width, Src->Height) * 0.02