图像平滑

图像处理的方法有两类：空间域方法与频域方法，“空间域”一词是指图像平面自身，这类方法是以对图像的像素的直接处理为基础；“频域”是以修改图像的傅里叶变换为基础的。本文所说的就是针对空间域的。

而平滑滤波，顾名思义信号上就是将一个波的毛刺或某一频率以上的部分去掉，简单说就是低通滤波。反应到图像上就是降噪和图像模糊处理（由于高频反应了细节，故而去除细节得到模糊的轮廓），由于图像的边缘一般处于高频部分，所以这种平滑滤波就会造成边缘模糊，即图像与背景不会泾渭分明而是模糊过渡。

一、均值滤波器

此滤波器也称为平滑线性滤波器，定义为平滑线性空间滤波器的输出为包含在滤波掩膜邻域内像素的简单平均值，即某个像素点的值用邻域这若干个点的平均灰度值来代替，通过求平均的方法使得改点的高频部分变小。下图显示了两个3*3的平滑滤波器：

其中图a为最简单常规的，它前面的1/9是归一化的需要，这种所有系数都相等的空间平滑均值滤波有时也称作盒滤波器。

但实际中图b的变系数是更常用的，这个掩膜又称作加权平均，权值大的（b中的中间值最大）影响力就越大，也就更重要。图b是高斯滤波3*3的实例。之所以高斯滤波更常用或更重要，主要有两点：1是由于高斯函数具有旋转对称性，保证了滤波时各个方向的平滑程度相同；2是离中心点越远权值越小保证了边缘细节不被模糊。还有其他若干优点百度一下你就知道。高斯滤波的特性以及如何确定，现在理解还肤浅以后有了感想再说。

上面说了模糊处理，空间均值处理的重要应用就是为了提取出感兴趣的物体首先将图像模糊化，将那些较小的物体与背景融合，较大物体（或大强度物体）虽然会变得模糊却易于提取，而掩膜的大小是由那些即将融入背景中的物件尺寸来决定。模糊过的图像再通过设定阈值就能提取出感兴趣的大物体了。

 二、统计排序滤波器

    这是非线性空间滤波器。最常用的是中值滤波，中值滤波是将邻域中的象素按灰度级排序，取其中间值为输出象素。中值滤波的效果依赖于两个要素：邻域的空间范围和中值计算中涉及的象素数（当空间范围较大时，一般只取若干稀疏分布的象素作中值计算）。中值滤波能够在抑制随机噪声的同时不使边缘模糊，因而受到欢迎。但对于线、点等细节多的图像不宜采用中值滤波，而加性加盐噪声中值滤波更为合适。

    统计排序滤波器关键是首先对邻域内按灰度值排序，如由低到高排，排完之后根据需要，若输出像素为中间值则为中值滤波；输出像素为最大值则为最大值滤波；输出像素为最小值则为最小值滤波。