空间域图像增强

空间域增强是指增强构成图像的像素。空间域方法是直接对这些像素操作的过程。

图像平均处理

用图像平均减少噪声
使图像受到均值为0且标准差为64级灰度的非相关高斯噪声的干扰。

空间滤波基础

掩膜 核

平滑空间滤波器

平滑滤波器用于模糊处理和减小噪声。通过线性滤波器和非线性滤波器的模糊处理可以减小噪声。

平滑线性滤波器

平滑线性滤波器的输出是包含在滤波掩模邻域内像素的简单平均值。因此，这些滤波器也称为均值滤波器。
平滑滤波器用滤波掩模确定的邻域内像素的平均灰度值去代替图像每个像素点的值，这种处理减小了图像灰度的尖锐变化。

所有系数都相等的空间均值滤波器有时称为盒滤波器。

空间均值处理的重要应用是为了对感兴趣的物体得到一个粗略的描述而模糊一幅图像，这样，那些较小的物体的强度与背景混合在一起了，较大物体变得像斑点而易于检测。掩模的大小由那些即将融入背景中去的物体尺寸来决定。

统计排序滤波器

一种非线性的空间滤波器，它的响应基于图像滤波器包围的图像区域中像素的排序，然后由统计排序结果决定的值代替中心像素的值。最常见的例子就是中值滤波器，中值滤波器的使用非常普遍，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明显要低。中值滤波器对处理脉冲噪声（椒盐噪声）非常有效。

锐化空间滤波器

锐化处理的主要目的是突出图像中的细节或增强被模糊了的细节，这种模糊不是由于错误操作，就算特殊图像获取方法的固有影响。均值处理与积分相类似，锐化处理可以用空间微分来完成。图像微分增强了边缘和其他突变并削弱了灰度变化缓慢的区域。
通过比较一阶微分处理与二阶微分处理的响应，我们得出以下结论：

1. 一阶微分处理通常会产生较宽的边缘
2. 二阶微分处理对细节有较强的响应，如细线与孤立点
3. 一阶微分处理一般对灰度阶级有较强的响应
4. 二阶微分处理对灰度级阶梯变化产生双响应

大多数应用中，对图像增强来说，二阶微分处理比一阶微分好一些，因为形成增强细节的能力好一些。

基于二阶微分的图像增强-拉普拉斯算子