HDR图像高斯双边滤波MATLAB实现

专门针对HDR（高动态范围）图像设计，兼容浮点型数据、保留完整动态范围，避免普通滤波算法对HDR的数值截断问题。同时提供可视化对比 和工业级优化建议，适配影视后期、计算摄影、高动态场景去噪等需求。

---

一、核心原理（适配HDR的关键设计）

HDR图像通常以double/single浮点格式存储，动态范围可达0~10^6甚至更高，和普通LDR图像（0-255 uint8）的处理逻辑有本质区别：

1. 禁止类型转换：滤波全程保持浮点类型，绝对不能转uint8，否则会永久丢失动态范围。
2. 滤波核权重归一化：保证滤波后整体亮度均值不变，仅做局部平滑。
3. 双边滤波适配高动态：值域权重需要匹配HDR的动态范围，避免过强的亮暗差异被误判为边缘。

滤波类型	适用场景	HDR下的优势/劣势
高斯滤波	全局模糊、预平滑、降噪	速度快，但会糊掉高对比度边缘（如亮部文字、灯箱边缘）
双边滤波	保边去噪、纹理平滑、HDR tone mapping前的预处理	同时考虑空间位置和像素值差异，完美保留高对比度边缘，速度较慢

---

二、可运行代码

2.1 主脚本 hdr_filtering_main.m

%% HDR图像高斯/双边滤波主程序
clear; clc; close all;

%% ===== 1. 读取HDR图像 =====
% 支持格式：.hdr（Radiance）、.exr（OpenEXR，需Image Processing Toolbox）
% 内置示例HDR（MATLAB自带，若无可自行替换为自己的HDR路径）
hdr_path = 'memorial.hdr';  % MATLAB自带HDR示例，位于 toolbox/images/imdata/
if ~exist(hdr_path, 'file')
    % 若找不到内置示例，提示用户指定路径
    [file, path] = uigetfile({'*.hdr;*.exr'}, '选择HDR图像');
    if file == 0, error('未选择HDR文件'); end
    hdr_path = fullfile(path, file);
end

% 读取HDR（返回double类型，保留完整动态范围）
[~, ~, ext] = fileparts(hdr_path);
if strcmpi(ext, '.hdr')
    hdr_img = hdrread(hdr_path);  % Radiance .hdr格式
elseif strcmpi(ext, '.exr')
    hdr_img = exrread(hdr_path);  % OpenEXR格式（需Image Processing Toolbox）
end
fprintf('HDR图像尺寸: %d×%d×%d | 动态范围: [%.2f, %.2f]\n', ...
        size(hdr_img,1), size(hdr_img,2), size(hdr_img,3), ...
        min(hdr_img(:)), max(hdr_img(:)));

%% ===== 2. 滤波参数配置 =====
params.gaussian_sigma_s = 2.0;    % 高斯滤波空间sigma（1~3，值越大模糊越强）
params.bilateral_sigma_s = 2.0;   % 双边滤波空间sigma（1~3）
params.bilateral_sigma_r = 0.15;  % 双边滤波值域sigma（自适应计算，见下文）
params.filter_window = 9;          % 滤波窗口大小（奇数，最大建议11，避免计算过慢）
params.tone_map_gamma = 2.2;      % 色调映射gamma（仅用于显示，不改变原始HDR数据）

% 自适应计算双边滤波值域sigma（避免手动调参，适配不同HDR的动态范围）
global_std = std(hdr_img(:));
params.bilateral_sigma_r = 0.1 * global_std;  % 取全局标准差的10%作为值域sigma
fprintf('滤波参数:\n  高斯sigma: %.1f | 双边空间sigma: %.1f | 双边值域sigma: %.3f\n', ...
        params.gaussian_sigma_s, params.bilateral_sigma_s, params.bilateral_sigma_r);

%% ===== 3. 执行滤波 =====
tic;
hdr_gaussian = gaussian_filter_hdr(hdr_img, params.gaussian_sigma_s, params.filter_window);
fprintf('高斯滤波完成，用时: %.2f秒\n', toc);

tic;
hdr_bilateral = bilateral_filter_hdr(hdr_img, params.bilateral_sigma_s, params.bilateral_sigma_r, params.filter_window);
fprintf('双边滤波完成，用时: %.2f秒\n', toc);

%% ===== 4. 色调映射（仅用于可视化，不改变原始HDR数据）=====
% HDR动态范围太大，无法直接显示，需要映射到0-1区间
tm_original = reinhard_tone_mapping(hdr_img, params.tone_map_gamma);
tm_gaussian = reinhard_tone_mapping(hdr_gaussian, params.tone_map_gamma);
tm_bilateral = reinhard_tone_mapping(hdr_bilateral, params.tone_map_gamma);

%% ===== 5. 结果可视化对比 =====
visualize_hdr_filtering(tm_original, tm_gaussian, tm_bilateral, hdr_img, hdr_gaussian, hdr_bilateral);

%% ===== 6. 保存滤波后的HDR图像 =====
save_option = questdlg('是否保存滤波后的HDR图像？', '保存', '是', '否', '是');
if strcmp(save_option, '是')
    [save_file, save_path] = uiputfile({'*.hdr', 'Radiance HDR (*.hdr)'; '*.exr', 'OpenEXR (*.exr)'}, '保存HDR', 'filtered_hdr.hdr');
    if save_file ~= 0
        save_path_full = fullfile(save_path, save_file);
        [~, ~, ext] = fileparts(save_path_full);
        if strcmpi(ext, '.hdr')
            hdrwrite(hdr_bilateral, save_path_full);  % 保存双边滤波结果（更常用）
        elseif strcmpi(ext, '.exr')
            exrwrite(hdr_bilateral, save_path_full);
        end
        fprintf('HDR图像已保存到: %s\n', save_path_full);
    end
end

---

2.2 高斯滤波函数（适配HDR浮点数据）

function hdr_filtered = gaussian_filter_hdr(hdr_img, sigma_s, window_size)
% HDR图像高斯滤波（保持浮点精度，不改变动态范围）
% 输入:
%   hdr_img: HDR图像 (H×W×3 double)
%   sigma_s: 空间sigma
%   window_size: 滤波窗口大小（奇数）
% 输出:
%   hdr_filtered: 滤波后的HDR图像 (H×W×3 double)

% 生成高斯滤波核（权重和为1，保证亮度不变）
half_win = floor(window_size/2);
[x, y] = meshgrid(-half_win:half_win, -half_win:half_win);
gaussian_kernel = exp(-(x.^2 + y.^2)/(2*sigma_s^2));
gaussian_kernel = gaussian_kernel / sum(gaussian_kernel(:));  % 归一化

% 对每个颜色通道独立滤波（HDR的RGB通道互不干扰）
hdr_filtered = zeros(size(hdr_img), 'like', hdr_img);
for c = 1:size(hdr_img,3)
    % imfilter默认支持double输入，输出保持double
    hdr_filtered(:,:,c) = imfilter(hdr_img(:,:,c), gaussian_kernel, 'replicate');
end
end

---

2.3 双边滤波函数（手写，无工具箱依赖）

function hdr_filtered = bilateral_filter_hdr(hdr_img, sigma_s, sigma_r, window_size)
% HDR图像双边滤波（保边平滑，适配高动态范围）
% 输入:
%   hdr_img: HDR图像 (H×W×3 double)
%   sigma_s: 空间sigma
%   sigma_r: 值域sigma（需匹配HDR动态范围）
%   window_size: 滤波窗口大小（奇数，建议≤11，否则极慢）
% 输出:
%   hdr_filtered: 滤波后的HDR图像 (H×W×3 double)

[H, W, C] = size(hdr_img);
half_win = floor(window_size/2);

% 预计算空间权重（所有像素共享，提高效率）
[x, y] = meshgrid(-half_win:half_win, -half_win:half_win);
spatial_weight = exp(-(x.^2 + y.^2)/(2*sigma_s^2));

hdr_filtered = zeros(H, W, C, 'like', hdr_img);

% 对每个通道独立处理
for c = 1:C
    fprintf('  双边滤波：处理第%d/%d通道...\n', c, C);
    channel = hdr_img(:,:,c);
    
    % 遍历每个像素（嵌套循环较慢，大图像建议用GPU/积分图优化，见下文扩展建议）
    for i = 1:H
        for j = 1:W
            % 提取当前像素的邻域
            i_min = max(1, i - half_win);
            i_max = min(H, i + half_win);
            j_min = max(1, j - half_win);
            j_max = min(W, j + half_win);
            
            % 邻域内的像素值
            neighbor_vals = channel(i_min:i_max, j_min:j_max);
            % 当前像素值
            center_val = channel(i, j);
            
            % 截取对应的空间权重
            sp_win = spatial_weight( ...
                (i_min:i_max)-i+half_win+1, ...
                (j_min:j_max)-j+half_win+1);
            
            % 计算值域权重：exp(-(邻域值-中心值)²/(2*sigma_r²))
            range_weight = exp(-(neighbor_vals - center_val).^2 / (2*sigma_r^2));
            
            % 总权重 = 空间权重 × 值域权重，归一化
            total_weight = sp_win .* range_weight;
            total_weight = total_weight / sum(total_weight(:));
            
            % 加权求和得到滤波后的值
            hdr_filtered(i,j,c) = sum(neighbor_vals(:) .* total_weight(:));
        end
    end
end
end

---

2.4 色调映射函数（仅用于显示）

function tm_img = reinhard_tone_mapping(hdr_img, gamma)
% Reinhard全局色调映射（将HDR映射到0-1区间，仅用于显示）
% 输入:
%   hdr_img: HDR图像 (H×W×3 double)
%   gamma: gamma校正系数（2.2为SRGB标准）
% 输出:
%   tm_img: 色调映射后的LDR图像 (H×W×3 double，范围0-1)

% 计算全局白点（取99%分位数，避免过曝）
L = 0.2126*hdr_img(:,:,1) + 0.7152*hdr_img(:,:,2) + 0.0722*hdr_img(:,:,3);  % 亮度通道
white_point = prctile(L(:), 99);

% Reinhard色调映射公式
L_tm = L .* (1 + L./(white_point^2)) ./ (1 + L);
% 亮度归一化
L_tm = L_tm / max(L_tm(:));

% 保持颜色比例，对每个通道应用相同的亮度缩放
scale = L_tm ./ (L + eps);
tm_img = hdr_img .* scale;

% Gamma校正
tm_img = tm_img.^(1/gamma);
% 截断到0-1区间
tm_img = max(min(tm_img, 1), 0);
end

---

2.5 可视化对比函数

function visualize_hdr_filtering(tm_original, tm_gaussian, tm_bilateral, hdr_original, hdr_gaussian, hdr_bilateral)
figure('Color','w','Position',[100 100 1600 900]);

% 1. 整体效果对比
subplot(2,3,1); imshow(tm_original); title('原图（色调映射后）'); axis image off;
subplot(2,3,2); imshow(tm_gaussian); title('高斯滤波后'); axis image off;
subplot(2,3,3); imshow(tm_bilateral); title('双边滤波后'); axis image off;

% 2. 局部放大对比（突出边缘保留效果）
% 选择高对比度区域（如亮部边缘）
zoom_rect = [400, 200, 150, 150];  % [x, y, width, height]，可根据图像调整
subplot(2,3,4); imshow(imcrop(tm_original, zoom_rect)); title('原图局部放大'); axis image off;
subplot(2,3,5); imshow(imcrop(tm_gaussian, zoom_rect)); title('高斯滤波：边缘模糊'); axis image off;
subplot(2,3,6); imshow(imcrop(tm_bilateral, zoom_rect)); title('双边滤波：边缘清晰'); axis image off;

% 3. 动态范围对比（亮部像素值分布）
figure('Color','w','Position',[100 100 1200 400]);
subplot(1,3,1); histogram(hdr_original(:), 100, 'Normalization','pdf'); title('原图像素值分布'); xlabel('亮度'); ylabel('概率密度'); grid on;
subplot(1,3,2); histogram(hdr_gaussian(:), 100, 'Normalization','pdf'); title('高斯滤波后分布'); xlabel('亮度'); grid on;
subplot(1,3,3); histogram(hdr_bilateral(:), 100, 'Normalization','pdf'); title('双边滤波后分布'); xlabel('亮度'); grid on;
sgtitle('HDR滤波前后动态范围对比（高斯滤波不改变分布形态，仅平滑局部）', 'FontSize',14, 'FontWeight','bold');
end

---

三、运行说明

3.1 直接运行

1. 将所有函数保存为.m文件，放在同一文件夹
2. 运行主脚本hdr_filtering_main.m
3. 程序会自动加载MATLAB自带的memorial.hdr示例，也可手动选择自己的HDR文件

3.2 参数调优建议

参数	建议范围	效果
gaussian_sigma_s	1~3	值越大，全局模糊越强，去噪效果越好，但边缘越糊
bilateral_sigma_s	1~3	空间邻域范围，值越大，平滑范围越广
bilateral_sigma_r	全局标准差的5%~20%	值越小，对像素值差异越敏感，边缘保留越好，但去噪效果弱；值越大，越接近高斯滤波
filter_window	5~11（奇数）	窗口越大，计算量呈平方增长，建议不超过11

3.3 预期效果

HDR图像尺寸: 768×512×3 | 动态范围: [0.00, 1023.98]
滤波参数:
  高斯sigma: 2.0 | 双边空间sigma: 2.0 | 双边值域sigma: 12.345
高斯滤波完成，用时: 0.12秒
  双边滤波：处理第1/3通道...
  双边滤波：处理第2/3通道...
  双边滤波：处理第3/3通道...
双边滤波完成，用时: 45.67秒

• 高斯滤波：亮部边缘（如窗户边框）明显模糊
• 双边滤波：亮部边缘清晰，暗部噪声被有效平滑

参考代码 对输入的HDR图像执行高斯滤波或双边滤波 www.youwenfan.com/contentcsw/82271.html

四、工业级优化建议

双边滤波的嵌套循环在4K HDR图像上会非常慢，以下是优化方案：

1. GPU加速 ：将数据转为gpuArray，滤波后在转回CPU：

   hdr_img_gpu = gpuArray(hdr_img);
   % 滤波函数在GPU上运行（需修改代码适配GPU数组）
   hdr_filtered_gpu = bilateral_filter_hdr(hdr_img_gpu, sigma_s, sigma_r, window_size);
   hdr_filtered = gather(hdr_filtered_gpu);

2. 积分图优化：预计算积分图和平方积分图，将双边滤波的时间复杂度从O(N×k²)降到O(N)，适合大图像。

3. 使用内置函数 ：若安装了Computer Vision Toolbox ，可直接用imbilatfilt，速度比手写快10倍以上：

   % 内置双边滤波（支持HDR）
   hdr_bilateral = imbilatfilt(hdr_img, 'SpatialSigma', 2, 'RangeSigma', params.bilateral_sigma_r);

4. 降采样滤波：先将HDR降采样到1/2或1/4尺寸，滤波后再上采样，速度提升4~16倍，精度损失很小。

---

五、应用场景扩展

1. HDR去噪：双边滤波是HDR图像去噪的首选，比高斯滤波保留更多细节，适合夜景、高对比度场景。
2. HDR tone mapping预处理：滤波后可以减少色调映射后的伪影，让亮部过渡更自然。
3. HDR纹理平滑：比如游戏HDR贴图的纹理平滑，保留硬边缘的同时平滑表面纹理。
4. 高动态场景目标检测：滤波后降低噪声，提升检测算法对亮部和暗部目标的识别率。