1、边缘保持滤波
图像滤波较常见的是高斯滤波和中值滤波。以高斯滤波为例,高斯滤波就是用一个固定的滤波核扫描图像中每一个像素,用滤波核确定的邻域内像素的加权平均灰度值去代替模板中心像素点的值。
如图(b)所示,对于输入图像上不同位置的两个像素,其高斯滤波核是完全一样的。这样可以有效的去除图像平滑区域的噪声,但同时也会导致边缘的模糊(图d所示)。与高斯滤波核不同,边缘保持滤波是一种非线性滤波器,对于图像中不同位置的像素,其滤波核也会发生变化。如图(c)所示,在平滑区域,边缘保持滤波和滤波核与高斯滤波核类似。而在边缘处,其滤波核有明显的不同,仅边缘同侧的相邻像素被用于计算加权平均。其好处是,对图像平滑时,不会造成边缘的模糊。
2、联合边缘保持滤波
联合边缘保持滤波是边缘保持滤波的扩展。联合边缘保持滤波指在对一幅图像进行滤波的同时,联合另一幅引导图像的边缘结构信息。下图给出联合边缘保持滤波的简单示例。如图所示,联合边缘保持滤波的功能不再是简单的图像平滑,它甚至可以增强图像。(a)所示的输入图像在经过联合边缘保持滤波后,能够更加精确的分割出(b)所示引导图像的物体轮廓,使得(c)中物体轮廓与真实的物体轮廓更加匹配。