1 图像噪声
椒盐噪声:黑白点,随机分布
高斯
高斯噪声:各种灰度值的点都有,满足高斯分布
2 均值滤波
3 高斯滤波
权重矩阵由以中心点位原点的坐标系确定(此时滤波半径为1,所以坐标差值是1),再将这些(1,0)带入二维高斯分布函数(函数的sigma已确定),然后将矩阵归一化得到最终的权重矩阵
高斯核可以看成是与中心距离负相关的权重。平滑时,调整σ \sigmaσ实际是在调整周围像素对当前像素的影响程度,调大σ \sigmaσ即提高了远处像素对中心像素的影响程度
4 中值滤波
中值滤波会选取数字图像或数字序列中像素点及其周围临近像素点(一共有奇数个像素点)的像素值,将这些像素值排序,然后将位于中间位置的像素值作为当前像素点的像素值,让周围的像素值接近真实值,从而消除孤立的噪声点,对椒盐噪声很有用
5 平滑滤波总结
1.均值滤波:去除噪声,但是会损失图像细节
2.高斯滤波:去除高斯噪声
3。中值滤波:去除椒盐噪声