图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作。在进行图像算法前,对图像进行滤波预处理往往会带来更好的效果。
大家在用美图秀秀美颜皮肤时是否想过其中的工作原理,或者在Photoshop中是否使用过模糊这个功能?这其中都应用到了图像滤波的原理。
图像滤波原理很简单,掌握了其中的卷积操作,也会对卷积神经网络的学习有一定帮助。
滤波有很多类型,包括线性滤波和非线性滤波,今天主要介绍线性滤波中的均值滤波。
均值滤波(Mean filter)
先看一组滤波前后的对比图片,左图为原图像,右图为进行均值滤波操作后的图像,
可以直观的感觉到经过均值滤波操作后的图像变得更模糊,这也就达到了噪声抑制的目的。
平均值滤镜是一个简单的滑动窗口空间滤镜,它用窗口中所有像素值的平均值(均值)代替了窗口中的中心值。窗口或内核通常是正方形,但也可以是任何形状。
均值滤波器在目标图像中滑动(卷积),用卷积核窗口中所有像素值的平均值替换目标像素值,卷积核一般是正方形,但也可以是任意形状,下图显示了N*N均值滤波卷积核:
均值滤波卷积核如下:
α代表了卷积核中点的个数(N*N个)
看不懂?没关系,看下面例子中的操作:
设一张5*5像素图中,3*3卷积核滑动到灰色窗口,则黑色像素的值为:
对所有点进行此类均值滤波操作即可得到最后的模糊图像。
均值滤波优缺点
均值滤波有操作简单,效率高,易于实现的优点,可以得到物体特征的粗略描述。
但它本身却存在固有的缺陷:
均值滤波不能很好地保护图像细节,在给图像去噪的同时也破坏了图像细节部分,丢失图像特征信息,想象一下用美图秀秀美颜时不光把皮肤瑕疵美化,还把眉毛去掉了是种什么样的体验???
而且均值滤波不能很好的去除噪声点,尤其是椒盐噪声。
在计算均值滤波时,同样可以利用积分图等方法进行预处理,可以通过O(1)时间复杂度获取像素和,使图像处理速度大大加快。
数字图像处理中还有许多其他种类的滤波器,会在接下来的文章中介绍。