图像增强之模板处理——（加权均值、加权中值、拉普拉斯滤波，FFT、DCT变换）

目的：获取一帧图像，在该图像中添加不同程度的噪声（高斯噪声、椒盐噪声），设计不同尺寸的加权均值滤波、加权中值滤波、锐化滤波（一阶梯度，二阶微分，高提升滤波）进行处理，比较处理前后的效果图，并对对加噪前后的图像进行DFT、DCT变换，选择不同滤波器、不同截止频率对图像进行降噪和边缘提取处理，并分析处理结果。

一、基本原理

1.1加权均值滤波器

加权均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。

可以对其进行改进，主要避开对景物边缘的平滑处理。加权均值滤波方法是，对待处理的当前像素，选择一个模板，该模板为其邻近的若干个像素组成，用模板的均值来替代原像素的值的方法。
    所谓加权平均，使用这一术语是指用不同的系数乘以像素，即一些像素的权重比另一些像素的权重大，因此，在均值计算中为该像素提供更大的重要性。

1.2加权中值滤波器

    中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。

1.3拉普拉斯算子锐化

    由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区域，减弱灰度的缓慢变化区域。因此，锐化处理可选择拉普拉斯算子对原图像进行处理，产生描述灰度突变的图像，再将拉普拉斯图像与原始图像叠加而产生锐化图像。这种简单的锐化方法既可以产生拉普拉斯锐化处理的效果，同时又能保留背景信息，将原始图像叠加到拉普拉斯变换的处理结果中去，可以使图像中的各灰度值得到保留，使灰度突变处的对比度得到增强，最终结果是在保留图像背景的前提下，突现出图像中小的细节信息。

二、结果图对比