【数字图像处理】四种常用的滤波器

数字图像处理

---

一、平滑滤波器

1.1 基本原理

空域滤波是在待处理图像f(x,y)上逐点移动模板，在每一点(x,y)的滤波响应通过事先定义的关系来计算。该响应就是空间滤波的输出。

1.2 作用

• 模糊处理，来去除图像中的一些不重要的细节；
• 消除图像中的高频分量，同时不影响低频分量；高频分量对应途中的边缘等灰度值具有较大变化的区域，平滑可以减少这部分起伏；
• 减小或消除噪声；
• 提取较大目标前去除太小的细节或将目标的小间断连接起来。

1.3 邻域加权平均实现方式

邻域加权平均：包含在滤波器邻域内像素的均值或加权平均值，也称为均值滤波器。
当滤波中心在图像边沿上时有两种处理方式：

• 不做处理，在边沿处输出等于输入；
• 或者给输入图像“补上”若干行和列，补零，补相同值，对称补值。

二、高斯滤波器

2.1 基本原理

2.2 特点

三、中值滤波器

3.1 基本原理

中值滤波的基本原理简单来说就是：用模板区域内像素的中间值，作为结果值。

3.2 适用场合

主要用途：

• 去除噪声
• 强迫突出的亮点（暗点）更象它周围的值，以消除孤立的亮点（暗点）

计算公式：

3.3 实现方式

• 将模板区域内的像素排序，对于同值像素，连续排列，求出中间值（例如：3x3的模板，第5大的是中间值）
• 取3X3窗口，从小到大排列，取中间值作为该区域的取值。

3.4 特点

• 优点：
• 在去除噪音的同时，可以比较好地保留边的锐度和图像的细节（优于均值滤波器）；
• 能够有效去除脉冲噪声：以黑白点叠加在图像上的椒盐噪声
• 缺点：
• 中值滤波去除孤立线或点干扰，而保留空间清晰度较平滑滤波为好；但对高斯噪声则不如平滑滤波。
• 图像边缘发生移动

四、拉普拉斯锐化滤波器

4.1 基本原理

灰阶的突然变化：一次微分后形成的波峰，正代表着两个区域的边缘处。若波峰够高，也就是已超过门坎值，已足以说明在该处有边点形成的边线。

4.2 目的

• 增强图像中高频分量；
• 常用于增强被模糊的细节或目标的边缘，强化图像的细节。

4.3 适用场合

主要用途：

• 突出图像中的细节，增强被模糊了的细节；
• 印刷中的细微层次强调。弥补扫描对图像的钝化；
• 超声探测成像，分辨率低，边缘模糊，通过锐化来改善；
• 图像识别中，分割前的边缘提取；
• 锐化处理恢复过度钝化、曝光不足的图像；
• 零点检测。

4.4 实现方式

五、Matlab代码实现

%引入图片
I=imread('你的路径');

5.1 平滑滤波

%% 平滑滤波
%制定卷积核为3×3的全1矩阵
h=ones(3,3)/9;
%平滑运算
I_average=imfilter(I,h);
figure(f1);
subplot(2,2,1);imshow(I_average);title('平滑滤波图像');

5.2 高斯滤波

%% 高斯滤波
% 标准差为1的高斯滤波器
I_Gauss = imgaussfilt(I,1);
figure(f1);subplot(2,2,2);imshow(I_Gauss);title('高斯滤波图像');

5.3 中值滤波

%% 中值滤波
% 3×3的邻域中值滤波
I_mid = medfilt2(I);
figure(f1);subplot(2,2,3);imshow(I_mid);title('中值滤波图像');

5.4 拉普拉斯锐化滤波

%% 拉普拉斯锐化
% 4邻点拉普拉斯锐化滤波器
H = fspecial('laplacian',0);
I_lap = double(I);
I_laplacian = imfilter(I_lap,H);
figure(f1);subplot(2,2,4);imshow(I_laplacian);title('拉普拉斯锐化滤波图像');