我已经能够找到有关联合双边向上采样的信息，据我所知，它可以最好地告诉我并行插值多个数据，并利用彼此的提示来帮助彼此更好地插值，但是在区分BU和JBU的信息时遇到了麻烦。
#1 楼
好像您在问两件事。我不能真正从技术上谈论JBU，但是可以概述必要的概念和一般的双边过滤。您可能需要自己查找更多详细信息，但这应该给出一个连贯的结构。修复“图像”
许多图像处理人员都将过滤视为可以作为后期处理或缩放图像的方式来完成。数学家的观点更准确，更具描述性且更复杂。
当您拥有图像文件时，就没有真实的图像。您有像素“值”，仅在像素中心严格有效。粗略地说，每个像素都有一个采用该颜色的区域。在数学上，您正在做的是使用最近邻居重建滤波器从像素值重建真实图像。因此，“图像”实际上是一组样本和一个重构过滤器，通常是最近邻。
重新采样
放大图像时，您真正要做的就是重新采样。你怎么做到这一点？您接收信号，并从中生成一组新的样本。但是对于图像，我只是说我们没有真实的图像。我们必须先重建它。因此，典型的重采样过程如下所示：
获取像素值。
通过使用重构过滤来重构位于像素中心的两个值之间的图像。重建图像中的一组新样本，可能间距不同。
扔掉旧样本并使用新样本。用于重采样。例如，“双三次上采样”将使用双三次重构过滤器。
事实证明，如果对重建滤波器使用sinc函数，并且不缩小图像，则（理论上）会得到相同的图像。实际上，如果先放大图像然后再次缩小图像，您将得到相同的答案。通常对于其他任何过滤器都不是这样。
大多数过滤器或多或少地近似于正弦过滤器。偏差会导致图像丢失。
滤波
如果在采样率之前/之后使用相同的采样率，则可以执行“滤波”操作。形式上，过滤是在不更改采样率的情况下重新采样。过滤是重采样的一种特殊情况。
过滤的唯一可能目的是丢弃信息（例如高斯）或可能失真或添加虚假信息（例如Sobel）。
双边过滤
您可以使用许多不同的过滤器进行过滤。双边过滤就是其中之一。我不认为它现在被认为是最先进的（尽管我不知道这是什么；我可能期望一些新奇的机器学习知识）。
双边过滤器不是线性滤波器，这意味着它没有很好的傅立叶表示。从概念上讲，它就像一个高斯，但是源颜色本身也会影响像素与其他像素的“距离”。这倾向于在保留边缘的同时平滑平坦的区域。
双边向上缩放
现在，我希望您看到我要使用的方法：可以用于过滤的任何滤波器，可以用于放大或缩小，这实际上是同一件事（因为所有内容都在重采样）。
如果您实现了双边过滤器，则应该能够简单地实现双边过滤器重采样器-正如您已经实现一个高斯滤波器，您应该能够实现一个高斯滤波器重采样器。
唯一的困难可能是定义。不幸的是，过滤和重采样之间的区别被系统地模糊了，以至于图像处理文献中偶尔不存在。为了实现双边滤波器，我将在很大程度上依赖于它与高斯重采样的相似性。 IIRC（多年以来我都没有看过这篇论文）双边过滤是根据像素而不是样本进行的。
评论
$ \ begingroup $
我正在尝试获取有关双边过滤的具体工作方式。您能详细说明一下吗？
$ \ endgroup $
–艾伦·沃尔夫（Alan Wolfe）
16年6月20日在21:01
$ \ begingroup $
从这里开始可以借用图片作为说明
$ \ endgroup $
– joojaa
16 Jun 20'21:10
$ \ begingroup $
@AlanWolfe我以为您是在更广泛的背景下询问的，因为实现基本的双边过滤非常容易在Google上进行并且非常简单。如我所写，基本思想是使价值成为重量的因素，而不仅仅是距离。
$ \ endgroup $
–imallett
16年6月21日在3:49
$ \ begingroup $
@joolaa的回答也很不错，可以作为我概述的第二种解释。
$ \ endgroup $
–imallett
16年6月21日在3:49
$ \ begingroup $
现在，我有了“双边过滤器”一词，这对Google来说我很幸运。感谢那。
$ \ endgroup $
–艾伦·沃尔夫（Alan Wolfe）
16年6月21日，下午3:53
评论
Tomasi和Manduchi撰写的有关双边过滤的原始论文“灰色和彩色图像的双边过滤”：users.cs.duke.edu/~tomasi/papers/tomasi/tomasiIccv98.pdf