滤波器参数怎么选:网格搜索还是经验公式

滤波落地最费时间的，不是写算子，是给参数。

σ 取多大、窗口选几、阈值定多少——这串数字定不好，前面算法全白做。这篇把两条路线摊开讲：经验公式和网格搜索，各自的真实代价是什么。

结论先说：经验公式便宜、可解释、能进配方，但只保证「不离谱」。网格搜索稳，代价却被普遍低估——组合爆炸、每格全量评测、还易过拟合验证集。工程上推荐两级法：经验定区间，小范围粗搜，只微调 1~2 个关键参数。并且，参数必须随算子一起进配方、进账本，否则换机器复现不出来。

一、参数三件套：σ、窗口、阈值

滤波要填的空，本质就三个。

σ 决定平滑多狠；窗口决定看多大一片邻域；阈值决定什么算「过」。

高斯类的 σ 和窗口是绑定的：σ 一大，支撑域变宽，窗口不够就截断、边缘糊。

形态学那一支（呼应 seq33 结构元尺寸），定的是结构元的形状与边长。

阈值类（二值化、迟滞、非极大抑制）更直白：给个数，超了就留、低了就删。

可换光照、换相机，那个「刚好」的数就飘了。

二、经验公式：便宜、可解释、可进配方

经验公式就是几条教科书规则，先把参数圈进「不离谱」的区间。

① 3σ 规则：高斯核有效范围取到 3σ，外面权重已可忽略。

② 核宽 ≈ 6σ+1（向上取奇）：罩得住 3σ，又不浪费。

③ 缺陷尺度→窗口：想保住的最小缺陷约多大，窗口就别小于它。

这套的好处是能进配方：标准作业里写死「σ=1.5、窗口 11×11」，新人照配就行。

它不保最优，但保不离谱、可解释、可审计。

三、网格搜索：稳，但代价被低估

网格搜索的直觉朴素：验证集上把参数组合穷举一遍，选指标最好的那个。

它确实稳，尤其参数之间耦合不强的时候。

但代价被严重低估，三笔账：

一是组合爆炸，σ、窗口、阈值各取 10 档，就是 1000 组。

二是每格都要跑一遍全量评测，1000 组乘全图集，时间肉眼可见。

三是过拟合验证集——缺陷样本很少时，「搜出的最优」往往只对那几张图最优。

最坑的是最后这笔：验证集本该小、该精，你却拿它当训练目标反复挑。

换批缺陷进来，那个「最优」立刻不最优。

四、两级法：把两条路线拼起来

工程上的解不是二选一，是两级。

第一级，经验公式定区间：用 3σ、核宽、缺陷尺度，把 σ、窗口框到合理范围。

这一步把搜索空间砍掉九成。

第二级，小范围粗搜：只在经验区间内，对 1~2 个关键参数做稀疏网格。

别全格穷举，组合已少一个数量级。

第三级，只微调：锁定其余参数，只对真正影响结果的旋钮做细调。

多数产线，真正敏感的就 1~2 个，其余用经验值足够。

五、参数必须进配方、进账本

最重要的一条常被忽略：参数不是算完就完，它必须随算子进配方、进账本。

呼应 seq39：边界怎么补、归一化怎么做，才是 bug 高发区。

而边界行为又与 σ、窗口绑死。

参数只存在某台机器的脚本里，换台机器、换个人，结果就复现不出来。

这正是 seq39 强调差分账本的原因。

我们的习惯：滤波算子交付时，这几项要一起登记进配方。

σ、窗口、阈值、边界模式、归一化方式，连同 golden 对照值。

算子能复现，前提是参数也能复现。

三问

拿任何一家的「滤波参数」来对分之前，先问三句：

参数是经验定的，还是搜出来的？

区间怎么来的，搜的空间多大？

参数进配方了吗，换机器能复现吗？

三句问完，大半「对不上」当场解决。

最后

滤波参数选得好不好，决定前面算法是白做还是真用。

经验公式保不离谱、可进配方；网格搜索稳但代价被低估，尤其怕过拟合验证集。

两级法把二者拼起来：经验定区间，粗搜关键参数，只微调 1~2 个。

且参数随算子进账本。

把数字写进配方，让账本替记忆干活，才是算子库该干的事。