「图像处理」算子滤波总结

图像滤波总结

1. 高斯滤波
2. 中值滤波
3. 均值滤波
4. Motion Filter 滤波
5. MAX-MIN 滤波
6. 差分滤波器
7. sobel滤波器
8. prewitt滤波器
9. laplacian滤波器
10. emboss滤波器
11. LoG滤波器

总结想从滤波应用+编程思路的角度来概括以上算子 参考资料来自于Github的图像处理100问
https://github.com/gzr2017/ImageProcessing100Wen
利用python实现，最后请大家坐稳！！

编程思路

以上滤波的方式大致用到两种方式，通过是否需要自定义模版将他们区分成两类：

1）直接调用函数型（例如中值滤波，直接在模版中调用np.median()函数就可以实现）
2）自定义编写模版型（例如高斯滤波、laplacian滤波，需要指定模版实现）

总的的编程思路可以归纳为：

1）编写灰度转换函数（不难），进行灰度转换；
2）对图像进行补零的操作zero padding（在图像周围补一圈0）这个好像在深度学习中也有用；
3）设计滤波模版或是调用np的简单函数实现
4）实现滤波

需要注意的是，在设计完滤波模版之后，需要对模版进行归一化操作。这样的好处在于减少运算，相当于是模板中每个像素附加了权值

各个算子作用

以上算子的话，核心作用应该只有三个吧：模糊图像、消除噪声、边缘提取、
高斯滤波：参数有sigma，掩膜核
作用：消除噪声，模糊图像，通过了低频信号

中直滤波：参数只有掩膜核大小
作用：消除椒盐噪声

均值滤波：参数只有掩膜核大小
作用：平滑图像

Motion Filter：参数有掩膜核大小
作用：运动模糊图像

差分滤波器：
作用：对亮度急剧变化的边缘有提取效果

sobel、prewitt、拉普拉斯、emboss算子：
作用：用不同方式来提取、增强图像边缘

LoG滤波：先进行高斯滤波平滑图像，之后进行拉普拉斯滤波，为什么要这么做呢？因为这样可以防止拉普拉斯滤波之后让图像里的噪声明显。所以先对图像平滑

作用：可以抑制噪声，同时增强图像边缘