数字图像处理13--梯度倒数加权平滑法

在空间域平滑中，可用的算法有：噪声消除法，领域平均法，中值滤波，梯度倒数加权法，选择式掩膜平滑等。

这里选用梯度倒数加权平滑法和选择式掩膜平滑讲解。

梯度倒数加权平滑法的产生源于这样的考虑：在一帧离散图像中，相邻区域的变化大于区域内部的变化，在同一区域中中间像素的变化小于边沿像素的变化。梯度值正比于邻域像素灰度级差值，即在图像变化缓慢的区域，梯度值小，反之则大。现在取梯度倒数，该倒数的大小正好与梯度相反，以梯度倒数做权重因子，则区域内部的邻点权重就大于边沿近旁或区域外的邻点。也就是说，这种平滑其贡献主要来自于区域内部的像素，平滑后图像边沿和细节不会受到明显损害。

梯度导数加权平滑的第一步是建立归一化的权重矩阵W作为平滑的掩膜。对3*3窗口，其组成为：

这里规定，其余8个加权系数之和为1/2。

定义除w(j,k)外的其他权重矩阵元素为：

式中，m,n不能同时为零。并规定时，。在此基础上，用窗口像素分别与相应位置上的权重因子相乘，积之和就是的平滑输出。

如果有一个窗口，其像素集为（按行顺序展开）。根据上述关系式可计算得到：