一、高斯滤波
二维高斯函数(均值为0),以及 δ = 6图像:
G ( x , y ) = 1 2 π δ 2 e − x 2 + y 2 2 δ 2 G(x,y) = \frac 1 {2\pi \delta ^2}e^{- \frac{x^2+y^2}{2\delta ^2}} G(x,y)=2πδ21e−2δ2x2+y2
![](https://i-blog.csdnimg.cn/blog_migrate/60f905b9ccc5791f087bdaf10189e3c7.jpeg)
高斯滤波器的平滑程度是由参数σ表征的,σ越大,高斯滤波器的频带就越宽,平滑程度就越好.通过调节平滑程度参数σ。高斯滤波器的截止频率可以由标准差来描述:
f c = 1 2 π δ f_c = \frac 1 {2 \pi \delta} fc=2πδ1
一般情况下,截止频率都定义在半功率点,也就是滤波器的功率谱响应降到一半(-3dB),或者是幅度谱的0.707处。另外,二维高斯函数具有旋转对称性,这也使得它会模糊掉图像的边缘信息。
二、双边滤波
Bilateral filter 是非线性的带有边缘保护的图像降噪平滑滤波器。它以像素邻域附近的加权平均值代替原像素值。权重可以选择高斯分布,但是权重不仅仅有距离像素的欧式距离决定,还受到辐射差值的影响,这可以保留明显的边缘。双边滤波的定义如下:
I f i l t e r e d ( x ) = 1 W p ∑ x i ∈ Ω I ( x i ) f τ ( ∥ I ( x i ) − I ( x ) ∥ ) g s ( ∥ x i − x ∥ ) I^{filtered}(x) = \frac 1 W_p\sum_{x_i \in \Omega}I(x_i)f_\tau(\|I(x_i) - I(x)\|)g_s(\|x_i - x \|) Ifiltered(x)=W1