直方图之空间域滤波

均值滤波器（低通滤波）

$y(i,j)=\frac{1}{N}{\sum }_m{\sum }_{n}x(i+m,j+n)$  注意：最后结果要归一化

含义：输入图像像素及其周围N个点的灰度级的平均值
计算实例，如图5-1

图5-1

应用：去除噪声、提取感兴趣物体、模糊眼角纹

中值滤波

优点：抑制噪声、保留边缘（去噪效果比均值滤波器要好）
步骤：邻域内像素灰度级排序----->去中间值作为噪声点的值
如下图5-2

图5-2

特点：使得突出的亮点或者暗点更加接近于周边的点，以消除孤立的亮点或者暗点

高通滤波

作用：图像锐化，即突出图像的细节特征，增强图像模糊边缘
方法：微分运算，计算图像中像素的梯度（水平、垂直两个方向）

1. 平坦区：差分值 = 0
2. 边缘区：差分值 $\ne$ 0

导数区别

1. 一阶导数：图像中某个像素点是否在边缘。
2. 二阶导数（Laplace算法）：判断一个像素点是在亮的一边还是暗的一边。

Laplace算子

1. 对噪声敏感
2. 不能检测边缘方向
3. 零交叉性质进行边缘定位

Sober算子

5. 对噪声敏感度较低
6. 可以检测边缘方向
7. 无法进行边缘定位