拉普拉斯金字塔普遍用于将图像分解为多个尺度，并广泛用于图像分析。然而，因为它是用空间不变的高斯核构建的，所以人们普遍认为拉普拉斯金字塔不适合表示边缘，也不适合边缘感知操作，例如边缘保持平滑和色调映射。为了解决这些任务，已经提出了大量替代技术和表示，例如各向异性扩散、邻域滤波和专门的小波基。虽然这些方法已经展示了成功的结果，但它们以额外的复杂性为代价，通常伴随着更高的计算成本或需要对生成的结果进行后处理。在本文中，我们展示了使用标准拉普拉斯金字塔的最先进的边缘感知处理。我们用像素值的简单阈值来表征边缘，这使我们能够区分大尺度边缘和小尺度细节。在此结果的基础上，我们提出了一组图像过滤器来实现边缘保持平滑、细节增强、色调映射和逆色调映射。我们方法的优势在于其简单性和灵活性，仅依赖于简单的逐点非线性和小的高斯卷积；不需要优化或后处理。正如我们所展示的，我们的方法可以产生始终如一的高质量结果，而不会降低边缘或引入光晕。
我们通过分析其对阶梯边缘的影响来激发这种方法，并表明边缘可以通过简单的颜色差异阈值与小尺度细节区分开来。我们提出了一种算法，该算法对于具有 N 个像素的图像具有 O(N log N) 复杂度。虽然我们的算法没有其他技术那么快，但它可以实现以前工作难以获得的视觉上引人注目的结果。我们通过实现一系列边缘感知过滤器来展示我们的方法，例如边缘保留平滑、细节增强、色调映射和逆色调映射。我们提供了许多结果，包括大振幅图像变换。它们都没有出现光晕，因此表明仅使用拉普拉斯金字塔确实可以获得高质量的无光晕结果，这在以前被认为是不可能的。
Contributions这项工作的主要贡献是一种灵活的方法，通过对拉普拉斯金字塔进行简单的逐点操作来实现边缘感知图像处理。我们的方法建立在对如何在拉普拉斯金字塔中表示图像边缘以及如何以本地方式操纵它们的新理解之上。基于此，我们设计了一组边缘感知过滤器，可产生高质量的无晕结果（图 1）。
Background on Gaussian and Laplacian pyramids
我们的算法一一考虑金字塔系数（步骤 2）。它们中的每一个都是使用来自最高分辨率的像素（步骤 4）通过对它们应用重映射函数（步骤 7）并构建重映射数据的拉普拉斯金字塔（步骤 9）来计算的。我们将相关系数复制到输出金字塔中（步骤 10），一旦计算了所有系数，我们将金字塔折叠以获得最终结果（步骤 12）。
Detail manipulation Tone manipulation
CONCLUSION
尽管局部拉普拉斯滤波器可以减少图像细节，但 Xu 等人 39、40 已经表明它们并没有完全去除它们，并提出了完全抑制细节的滤波器，用于卡通渲染和马赛克纹理去除等应用。通过解决极端细节去除问题，这项工作是对局部拉普拉斯滤波器的补充，后者在极端细节增加时表现良好。Hadwiger 等人 16 介绍了一种专用数据结构，可有效处理非常大的图像，并证明了其在局部拉普拉斯滤波中的应用。
我们提出了一种仅基于拉普拉斯金字塔的边缘感知图像处理新技术。它在概念上很简单，允许使用广泛的边缘感知过滤器，并且始终如一地生成无伪影的图像。我们在各种图像和参数设置上展示了高质量的结果，证实了该方法的稳健性。我们的结果为多尺度图像分析和编辑开辟了新的视角，因为拉普拉斯金字塔以前被认为不适合处理边缘。鉴于金字塔的广泛使用和边缘感知处理的需求，我们相信我们的新见解可以在图像编辑及其相关应用领域产生广泛影响。
