空间域滤波
均值滤波器(低通滤波)
y ( i , j ) = 1 N ∑ m ∑ n x ( i + m , j + n ) y(i, j) =\frac{1}{N} \sum_m\sum_nx(i+m,j+n) y(i,j)=N1∑m∑nx(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
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
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)
- 平坦区:差分值 = 0
- 边缘区:差分值 ≠ \not= = 0
导数区别
- 一阶导数:图像中某个像素点是否在边缘。
- 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
- 对噪声敏感
- 不能检测边缘方向
- 零交叉性质进行边缘定位
Sober算子
- 对噪声敏感度较低
- 可以检测边缘方向
- 无法进行边缘定位