许多自然图片和艺术画作常常包含了复杂的纹理信息和结构信息。边保护的图像平滑算法的目的是,在保持原图像边缘不变的情况下,去除掉输入图像中的细节和纹理。然而,在许多的应用场景中,由于细节的复杂性,目前很多的图像平滑技术都会产生不理想的结果。有些图像平滑算法将梯度较大的像素识别为边界,那么当细节的梯度较大时,细节也会被保留。有些算法试图保留像素的较大梯度,而非像素值本身,那么输出图像的像素值将会较原图像有所偏离。我们把这些不理想的缺点归纳为:细节残留、边界破坏和形状扭曲。本文提出了一种新的图像平滑算法来达到细节平滑、边缘保护和形状维持的效果。这个算法的流程主要由三个阶段组成:利用局部区域内的变化相似度来压缩细节,检测显著的边缘来提取边界信息,利用能量优化框架恢复原始图像的形状。压缩细节阶段用来将高震荡高精度的细节梯度压缩至边缘的梯度之下,使得接下来边缘与细节的区分不会被混淆。边界提取阶段用来量化各个像素属于边缘的概率,利用这些边缘信息来保护图像的边界。形状恢复阶段用来恢复在前两个阶段中被过平滑或破坏的边界,本文的方法强调了这一阶段的重要性,因为很多应用都需要对图像的细节进行精确的操作。通过本文中的方法,不仅可以区分规模相近的细节与边缘,还能够保持图像原有的结构。边保护的图像平滑技术是很多计算机图像应用的基础,本文将提出的图像平滑算法运用于细节增强、边缘提取、图像风格化和高动态范围图像映射的应用中,来证明该算法的有效性和鲁棒性。