图像处理-空间滤波

空间滤波：

空间滤波是直接在图像上进行操作的方法。
在图像上方移动我们构造的卷积核，通过对整幅图像的滑动处理我们可以得到空间滤波操作后的图像。而计算的方式有下面两种：
1.空间相关：直接将模板扣在图片上方，模板系数与图片像素对应位置直接运算得出结果。
2.卷积：将模板先进行180°的旋转后操作和空间相关一样。
我们通常情况下空间滤波算法都是使用空间相关的。
———————————————————————————————
滤波器种类大致有以下这些：
1.平滑滤波器：这种卷积核会模糊图像，使得变化剧烈的地方变得平缓一些，模糊的程度取决于核的大小以及其中的系数。（相当于低通滤波器）

（1）均值滤波器：卷积核内系数一致，在整个滤波模板之前存在归一化系数，相当于模版内每一个像素所占比重一样，故称为均值。

（2）高斯滤波器：通过对于高斯函数的数学近似，我们可以得到高斯滤波模板（例如将标准高斯函数画出后，根据图像上不同像素点到中心的距离不同，我们可以在所画的高斯函数上取近似值来构成高斯滤波模板。就如同直接将模板扣在高斯函数上，模板格子中的高斯函数值是多少，格子内就写下这个值。当然，模板的中心一定要在高斯函数的中心上！）。

高斯滤波的效果在清晰程度上要好于均值滤波，因为其中心的权重比较大；高斯滤波的边缘相对也要柔和平滑一些。

图像的填充方式：
零填充：直接认为图像外面的像素值为0。（会产生黑边的）
镜像填充：以边界为轴填充外围的像素。
复制填充：将边界外的像素直接设置为最邻近点的像素值。

低通阴影矫正：用较大的高斯核进行图像的滤波，较大的模糊图像，剩下阴影图像的模板，通过除以这个模板来进行矫正。

———————————————————————————————
2.统计排序滤波器：
其是非线性空间滤波器，最大值滤波器、最小值滤波器、中值滤波器最具有代表性。
———————————————————————————————
3.锐化（高通）空间滤波器：
锐化的操作可以增强边缘，有基于一阶导和二阶导（差分）两种。
一阶导：我们可以认为就是两个像素的差值：
二阶导：我们可以认为是f(x+1)+f(x-1)-2×f(x)
二阶导数由于其运算量相较于一阶导数更少，我们详细介绍。

• 二阶导数：差分
  拉普拉斯算子：根据拉普拉斯二阶导的特性，我们分别在x与y方向上对其求二阶导并相加，可以得到拉普拉斯卷积核。（其实就是中心位置的坐标为（x，y），式子中的f(x+1)或者f(y-1)之类的系数就是卷积模板相应位置的值。比如：拉普拉斯的公式为：f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)-4f(x,y)，那么模板的中心就为1×f(x,y)，所以中心的值为1；没有的为0；中心右边的格子对应1×f(x+1,y)，值为1。以此类推）
  扩展的拉普拉斯算子（45°）：可以认为是旋转45°后再进行相加，那么就变成了相对于45°来说各向同性的算子了。
  （对于一般的拉普拉斯算子来说，其中心为一个较大的负值，周围四邻域为1，可以理解为在边缘上时候，由于中心系数相较于周围更大一些，会造成突变（也会有负的，但是会被赋值为0），由此可以检测出边缘）
  —————————————————————————————

钝化掩蔽和高提升滤波： 钝化掩蔽：通过减去模糊原图来锐化图像。 高提升滤波：就是提升钝化掩蔽所占的比重（相对于原图像），比重越大那么就相对的越清晰

• 一阶导数：梯度
  1.Roberts梯度算子：对导数改进为交叉形式进行运算（2×2小核）
  2.sobel算子：可以认为是通过增加格子的数量将2×2算子进行扩展，分别产生了x方向与方向的两种算子。（因为Roberts算子也有两种，对应两个方向的导数）而且sobel算子的中间系数较大，能够更好得突出中间作用。

———————————————————————————————
4.低通、高通、带通、带阻滤波器：