纹理滤波器算法是一种分离图像中包含的显著结构信息和复杂的纹理信息的图像处理方法,纹理滤波器算法在不同的领域有着很多的应用。本文提出了一种基于改进的加权中值滤波的非线性纹理滤波器算法。算法通过利用输入图像和对输入图像均值滤波后的图像进行插值生成的引导图来对输入图像做加权中值滤波。由于插值后的引导图包含了增强后的显著结构信息和平滑后的纹理信息,因此可以在去除纹理信息的同时较好的保持图像的显著结构信息,从而达到纹理和结构分离的效果。本文算法在实现上运用了常量时间加权中值滤波器算法中采用三维多层直方图来求中值的方法。通过利用直方图计算图像局部邻域极大值极小值,使得求图像局部邻域极值问题的时间具有常量时间复杂度,进一步使得本文的非线性纹理滤波器算法具有常量时间复杂度。因此,本文算法的运行时间不会随着滤波核的增大而改变。由于算法本身具有的局部非相关性特点,可以在GPU上并行运行,利用GPU来执行算法能够比较好的提高算法运行的效率尤其是在高端的GPU上表现得更加明显。为了演示本文算法具有很好的去纹理的效果,将本文滤波器与现有的一些纹理滤波算法进行实验比较,并进行客观详细的分析。同时,本文将所实现的纹理滤波器应用到了诸多应用领域,包括图像细节增强、去除JPEG压缩印迹、图像分割、图像风格化、图像逆半色调和立体图像视差值计算等。通过详细的应用效果实验比对,证明了本文算法能够取得较好的运行效果。