OPENCV学习-----几种图像平滑处理方法的理论分析

                                         图像的平滑处理

       图像的平滑处理一般用于模糊处理和减小噪声，常常作为更高级应用的预处理。常用的平滑处理操作有均值滤波、中值滤波和高斯滤波。下面简单介绍一下这三种滤波算法。

1.均值滤波就是用滤波掩膜确定的邻域内像素的平均灰度值代替图像中每个像素点的值，这种处理减小了图像灰度的“尖锐变化”，起到了减噪的作用。但是均值滤波处理带来了边缘模糊的负面效应。均值滤波器的主要应用是去除图像中的不相干细节，“不相干”是指与滤波掩膜尺寸相比较小的像素区域。滤波掩膜大小通常为3*3，如下图所示,其中掩膜也成为加权平均。

    一幅图像 的图像经过一个(m和n是奇数)的加权均值滤波器的滤波过程可有下式给出：

其中，x = 0,1,2,...M-1,y = 0,1,2,...,N-1执行上式可得一幅完全滤波的图像。

2.中值滤波是统计排序滤波器，它是将邻域内像素灰度值的中值代替该像素的值。中值滤波器使用非常普遍，因为对于一定类型的随机噪声，它提供了一种优秀的去噪能力，比小尺寸的线性平滑滤波器的模糊程度要低。中值滤波器对处理椒盐噪声非常有效。

3.高斯滤波器 是一类根据高斯函数的形状来选择权值的线性平滑滤波器。它对去除服从正态分布的噪声很有效。

常用的零均值离散高斯滤波器函数：

其中，高斯分布参数Sigma决定了高斯函数的宽度。对于图像处理来说，常用二维零均值离散高斯函数做平滑滤波器。

三种滤波器的效果如下：

 

                               原图                                                                       均值滤波

 

                          中值滤波                                                                  高斯滤波

转载于:https://my.oschina.net/u/2250243/blog/327279