【数字图像处理】经典空域滤波算法

目录

1. 时域、空域、频域

2. 低通（LPF）和高通（HPF）

3. 空域滤波算法

3.1 均值滤波（Mean Filter）

3.2 高斯滤波（Gaussian Filter）

3.3 双边滤波（Bilateral Filter）

3.4 导向滤波（Guided Filter）

3.5 中值滤波（Median Filter）

---

对于数字图像的处理，通常会用到各种的滤波操作，谈及滤波这个词，总会让人联想到信号处理中那一系列繁琐的转换计算公式，顿时觉得头昏脑胀。其实，若仅仅从空域来理解数字图像的滤波操作，便能够更加直观地理解整个滤波运算的过程。故此，整理了一些常用的空域滤波算法，分享给大家。

---

1. 时域、空域、频域

时域：考虑时间维度的计算，比如，距离D=速度V*时间T，这就是一个典型的时域问题。在数字图像领域，可以表示为I(x, y, t)，即每幅图像中的像素点的数值由位置信息(x, y)和时间信息t共同决定。通常涉及到时间域的算法，大多数是用于处理视频图像的，因为视频可以看作是一系列具有时间关联性的图像的组合。

空域：仅考虑空间位置关系的计算，排除时间维度的影响。在数字图像领域，可以表示为I(x, y)，即每幅图像中的像素点的数值仅由位置信息(x, y)决定。空间域的算法只会使用单幅图像本身的信息进行运算。

频域：由于任何信号均可分解为多个具有不同频率和振幅的正弦波，故频域便用于反映组成信号的不同频率正弦波的振幅情况。通常使用傅里叶变换将空域或时域信号转换到频域进行运算。频谱图描述了信号的频率结构以及频率与该频率信号幅度的关系。

2. 低通（LPF）和高通（HPF）

低通和高通的概念都是针对频域而言的，通过在频域中设定不同的频率点（截止频率），实现对不同频率的信号内容的过滤操作。

低通滤波器：设定截止频率，高于该频率的信号内容被滤除。

高通滤波器：设定截止频率，低于该频率的信号内容被滤除。

在数字图像处理领域，低通滤波器通常用于图像平滑，高通滤波器通常用于边缘提取和细节增强。

傅里叶变换详解链接：