数图笔记之空间滤波

基本概念

空间滤波：指直接对图像像素进行处理的操作，它可大致分为：线性操作、非线性操作
线性操作：满足 $f(a{x}_1+b{x}_2)=af(x_1)+bf(x_2)$ 关系的 $f$ 即为线性操作，否则是非线性操作

线性滤波

空间域线性滤波的基本公式：
$$g(x,y)=\sum _{s=-a}^a\sum _{t=-b}^{b}w(s,t)f(x+s,y+t)\text{\hspace{1em}(1)}$$
其中 $w(s,t)$ 为掩模系数，掩模（Mask）/滤波器（Filter）/卷积核的大小为 ${\mathbb{R}}^{s\times t}$，$w(s,t)$ 则表示取 Filter 的坐标为 $(s,t)$ 上的值。一般情况下，$a=b=2i+1$，即为奇数。Filter 的 $(0,0)$ 坐标位于其中心处，例如对于大小为 $3\times 3$ 的 Filter，其坐标编号如下：
$$\begin{gathered} \begin{array}{ccc}(-1,-1)& (-1,0)& (-1,1)\\ (0,-1)& (0,0)& (0,1)\\ (1,-1)& (1,0)& (1,1)\end{array} \\ \text{3×3的Filter的坐标编号} \end{gathered}$$

严格定义下，公式（1）其实并非卷积操作，而是相关性操作，二者的区别如下：

• 相关性操作：$g(x,y)=\sum _{s=-a}^a\sum _{t=-b}^{b}w(s,t)f(x+s,y+t)$
• 卷积操作：$g(x,y)=\sum _{s=-a}^a\sum _{t=-b}^{b}w(s,t)f(x-s,y-t)$ —— 与“相关性操作”的区别是，先将 Filter 转置，然后再用转置后的 Filter 作卷积操作

这里之所以不严格区别二者，是因为 Filter 是对称的，对称矩阵的转置还是其自身，故而将（1）式直接称为卷积操作

平滑滤波器

常用：
1 1 1 1 1 1 1 1 1 × 1 9 1 2 1 2 4 2 1 2 1 × 1 16 均值滤波  加权均值滤波 \begin{array}{|c|c|c|} \hline 1 & 1 & 1 \\ \hline 1 & 1 & 1 \\ \hline 1 & 1 & 1 \\ \hline \end{array} × \frac{1}{9} \qquad \begin{array}{|c|c|c|} \hline 1 & 2 & 1 \\ \hline 2 & 4 & 2 \\ \hline 1 & 2 & 1 \\ \hline \end{array} × \frac{1}{16} \\[.5em] \text{均值滤波 \qquad\qquad 加权均值滤波} 111​111​111​​×91​121​242​