图像平滑

图像平滑的目的有两个，一个是去除噪声，另一个是平滑细节信息。

 

噪声的基本概念

噪声的分类方法多种多样。就各种类型的噪声反映在图像画面上，大致可分为两种：噪声的幅值基本相同，但噪声出现在图像中的位置是随机的，这种称为椒盐噪声；图像每一点都存在噪声，但噪声的幅值是随机分布的，从噪声幅值大小的分布统计来看，其密度函数有高斯型、瑞利型，分别称之为高斯噪声和瑞利噪声，又如频谱分布均匀的噪声为白噪声。

 

噪声去除

1.均值滤波

【原理】用均值来代替原来图像中的各个像素值。

【方法】选取合适大小的模板如nxn，n为基数，中心点位置的像素为待处理像素（称为锚点），用模板范围内的像素的均值代替锚点像素。

 

2.中值滤波

【原理】经分析画面出现噪声时的形态可知，噪声点上的像素通常比周围非噪声点的像素要亮或暗。因此，可以设想，在噪声点像素周围寻找一个合理的值对它进行代替，在一定程度上可以获得较为理想的效果。

【方法】选取合适大小的模板如nxn，n为基数，中心点位置的像素为待处理像素（称为锚点），将模板范围内的像素从小到大（或从大到小）排序，将中间值像素取代锚点像素。

 

3.边界保持类平滑滤波

图像上的景物之所以清晰可辨，是因为目标物之间存在着灰度变化显著的边界，而对边界上的像素进行平滑滤波时，如果简单选取领域的中值或均值，就会在一定程度上降低边界的灰度显著性，从而导致了图像模糊。因此有如下滤波器：

 

3.1 K紧邻平滑（中值、均值）滤波器

【方法】选取合适大小的模板如nxn，n为基数，中心点位置的像素为待处理像素（称为锚点）；在nxn像素中，选取K个与锚点像素最接近的像素，K个像素不包括锚点；将K个像素的均值（中值）代替锚点像素；对所有滤波范围的像素点进行相同的处理。

 

3.2 对称近邻滤波器（SNN）

【原理】

【方法】选取合适大小的模板如nxn，n为基数，中心点位置的像素为待处理像素（称为锚点）；在nxn像素中，除中心点之外，各个像素点以中心点两两构成点对；取所有两两点对中的一个像素点，该像素点与锚点像素点接近；将所有取出的像素点的均值代替锚点像素。

 

3.3 灰度最小方差的均值滤波器

 

3.4 西格玛平滑滤波器