matlab数字图像处理复习（三）空间滤波基础

空间滤波基础

1.空间滤波机理

• 使用空间域模板进行的图像处理，称为空域滤波。模板本身被称为空域滤波器。
• 输出图像中的每一点为输入图像中某个相关区域像素集的映射。
• 通过掩模操作实现一种邻域运算，待处理像素点的结果由邻域的图像像素以及相应的与邻域有相同维数的子图像得到；
• 掩模运算的数学含义是卷积运算；
  空域滤波原理：建立模板，并在待处理的图像中逐点移动模板，对每个像素点按照滤波器算法进行计算。

2.空间相关与卷积
相关（Correlation）：滤波器模板移过图像并计算每个位置的乘积之和。
卷积（Convolution）：与相关相似，但滤波器要先旋转180°。

3.空间滤波器分类

线性滤波器：
低通：平滑图像，去除噪音
高通：边缘增强，边缘提取
带通：删除特定频率
非线性滤波器：
中值滤波：平滑图像，去除噪音
最大值滤波：寻找最亮点
最小值滤波：寻找最暗点

4.平滑空间滤波器

图像平滑的目的是为了减少和消除图像中的噪声、改善图像质量，有利于抽取图像特征以进行分析。
平滑技术对噪声图像使用局部算子；当对某一个像素进行平滑处理时，仅对其局部小邻域内的一些像素进行处理。其优点是计算效率高，且可以对多个像素并行处理。

常见噪声种类

• 椒盐噪声：受噪声干扰的图像像素以50%的相同概率等于图像灰度的最大或最小的可能取值。
• 随机值脉冲噪声：受噪声干扰图像点取值均匀分布于图像灰度的最大与最小可能取值之间。
  

均值滤波器
用包含在滤波器模板邻域内像素的均值去代替每个像素点的值。因此，又叫均值滤波器，是低通滤波器的一种。

• 邻域平均法特点：平滑效果与所使用的邻域半径大小有关。半径越大，像素点越多，信噪比提高越大，平滑效果越好，但平滑图像的模糊程度越大。优点：算法简单，计算速度快。主要缺点：在降低噪声的同时使图像产生模糊，特别是在边缘和细节处；邻域越大，模糊程度越高。
• 加权平均法特点：克服简单局部平均的不足，保留边缘细节的局部平均算法；根据参与平均的像素的特点赋予不同权值。

均值滤波可用于预处理任务，例如，通过合理选择滤波器，可以在大目标提取之前去除图像中的一些细节，同时，使大目标变得更加明显。此时，滤波器的尺寸由欲消除的细节的尺寸确定。

中值滤波器
中值滤波是一种非线性滤波，在一定条件下，它可以克服线性滤波器所带来的图像细节模糊，而且对滤波脉冲干扰及颗粒噪声最为有效。

均值滤波与中值滤波比较
邻域平均法和中值滤波法都可以对图像进行平滑滤波，但邻域平均法使数字信号变“平坦”，在消除或抑制图像中噪声的同时，图像中景物边缘也会不同程度地变得模糊；
中值滤波可以消除杂散噪声点而不会或较小程度地造成边缘模糊。
但是，对一些细节多，特别是点、线、尖顶细节多的图像，不宜采用中值滤波。另外，中值滤波器是一种非线性滤波器，它有可能改变图像的性质，这在一些场合（如医学图像处理）是不能接受的。

5.锐化空间滤波器
图像平滑是通过削弱高频成分突出低频成分来达到滤除噪声、模糊图像的目的。锐化与平滑相反，主要是加强高频或减弱低频。图像锐化加强了细节和边缘，对图像有去模糊的作用。
进行图像锐化处理的图像必须有较高的信噪比，否则图像锐化后图像质量急剧下降。一般是先将图像进行平滑，去除或减轻图像中的干扰噪声，然后才能进行锐化处理。

拉普拉斯算子
拉普拉斯算子是一种基于二阶微分的图像锐化算子

拉普拉斯算子会增强图像中的噪声，因此，有时用拉普拉斯算子进行边缘检测时，可将图像先进行平滑处理(LOG算子)。

Roberts交叉梯度算子
Roberts算子特点是边缘定位准，对噪声敏感。

Prewitt梯度算子
Prewitt算子：平均、微分对噪声有一定抑制作用。

Sobel梯度算子

梯度运算的结果有可能不在图像灰度级范围内（即负值和溢出现象），此时，需要将结果进行调整。

• 一阶微分算子（梯度算子）能突出小缺陷，同时去除慢变化背景；其计算简单，但精度不高，只能检测出图像大致的轮廓（但轮廓比二阶微分算子更突出），可能会忽略比较细的边缘。
• Roberts算子对边缘定位较准确，但对噪声敏感。
• Prewitt算子和Sobel算子在检测边缘的同时，还能在一定程度上抑制噪声（Sobel在抑制噪声方面稍好一些）。
• 二阶微分算子（Laplace算子）能用来增强灰度突变处的对比度，但其对噪声很敏感。因此，在用拉普拉斯算子进行边缘检测时，可将图像先进行平滑处理(LOG算子)