加速加权中值滤波器：性能提升100倍以上

加权中值滤波器（Weighted Median Filter, WMF）作为一种重要的计算机视觉处理工具，在稀疏表示中具有显著优势，尤其是在求解器和滤波器形式下。它通过赋予不同像素区域不同的权重，能够捕捉到图像局部特征的重要性，从而在诸如光学流估计、立体匹配、结构-纹理分离等任务中展现出强大的性能。然而，WMF的传统实现面临的主要挑战是其计算复杂度较高，通常为O(r^2)，其中r代表内核大小。这在处理大图像或实时应用时，会显著影响效率。 针对这一问题，本文提出了一种创新的解决方案，将计算复杂度降低至O(r)，实现了显著的加速。核心贡献包括： 1. 新联合直方图表示：引入一种新的数据结构，通过联合处理多个相关的特征空间，构建了一种更高效的直方图表示方法。这种方法减少了存储需求，并允许在计算过程中更有效地利用并行计算能力。 2. 中值跟踪：通过采用跟踪策略，算法能够在处理图像序列时保持对先前信息的记忆，避免了重复计算，进一步降低了计算负担。 3. 快速数据访问数据结构：设计了一种新型的数据组织方式，使得数据访问时间从线性降低到近乎常数时间，这对于大规模数据处理来说至关重要。 这些改进使得加权中值滤波器在实际应用中表现出色，例如在光学流估计中，处理速度从几分钟缩短到了不到1秒，极大地提高了实时性能。作者还提供了完整的源代码，便于其他研究者和开发者复制和扩展这项工作。 这篇研究论文对加权中值滤波器的加速策略进行了深入探讨，并展示了在多种计算机视觉任务中实现高效处理的可能性。其成果对于推动实时计算机视觉系统的发展具有重要价值，特别是在对计算资源有限或者实时性要求高的场景中。