图像平滑处理

图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分，使图像亮度平缓渐变，减小突变梯度，改善图像质量的图像处理方法。
1、均值滤波器
均值滤波器（averaging filter）是消除噪声的最简单的方法。原理：使用某像素周围mxn像素范围内的平均值来置换该像素值。通过使图像模糊，达到看不到细小噪声的目的。不良反应：使用这种方法，在噪声被消除的同时，目标图像也变模糊了。

Figure 1. 将第一模块计算得到的均值滤波的结果，放置到新图像的中心点中，依次类推，得到的imageOut图像的四周没有做赋值，其没有赋值的点保留其默认值0

%matlab程序
I = imread('lena.tiff');
I=rgb2gray(I);
subplot(1,2,1);imshow(I);title('Original Picture');
I=double(I);

N=3;
mask(1:N,1:N)=1;   %a即N×N模板,元素全是1
[height, width]=size(I);   %输入图像是hightxwidth的,且hight>N,width>N
imageOut=zeros(height,width);

for i=1:height-N+1
    for j=1:width-N+1
        c=I(i:i+(N-1),j:j+(N-1)).*mask; %取出图像中从(i,j)开始的n行n列元素与模板相乘
        s=sum(sum(c));                 %求c矩阵中各元素之和
        imageOut(i+(N-1)/2,j+(N-1)/2)=s/(N*N); %将与模板运算后的各元素的均值赋给模板中心位置的元素
    end
end
%未被赋值的元素取原值
imageOut=uint8(imageOut);
subplot(1,2,2);imshow(imageOut);title('Filter image');
 

Figure 1. 3x3模板中值滤波实验结果

二、中值滤波

    消除噪声最好的结果是，在消除噪声的同时，图像边缘完好的保留。中值滤波能够比较好的实现这一点。原理：查看mxn邻域内的像素灰度，按照从小到大的顺序进行排列，结果取中间值。

中值滤波器与均值滤波器比较的优势：在均值滤波器中，由于噪声成分被放入平均计算中，所以输出受到了噪声的影响，但是在中值滤波器中，由于噪声成分很难选上，所以几乎不会影响到输出。因此同样用3x3区域进行处理，中值滤波消除的噪声能力更胜一筹。中值滤波无论是在消除噪声还是保存边缘方面都是一个不错的方法。

中值滤波器与均值滤波器比较的劣势：中值滤波花费的时间是均值滤波的5倍以上。