图像滤波

定义

对图像进行滤波操作，主要是在尽可能的保留图像自身的细节特征的情况下对图像的噪声进行抑制。这个过程叫作图像的平滑处理或滤波操作，主要是用来减少图像上的噪点或失真。

目的

1. 抽出对象的特征作为图像识别的特征模式
2. 为适应图像处理的要求，消除图像数字化时混入的噪声

平滑处理

平滑滤波，顾名思义，消除噪音，模糊处理，使图片的画面看起来跳度不是很大，是低频增强的空间滤波技术，一般采用简单平均法计算，即求邻近的像素的的平均亮度值。邻域的大小与平滑的效果有关，邻域越大，平滑效果越好，但是邻域太大会导致边缘信息损失越大，从而使处理后的图片过于模糊。

线性滤波

剔除输入信号中不想要的频率或者从许多频率中选择一个想要的频率。两个信号之和的响应和它们各自响应之和相等。即每个像素的输出值是一些输入像素的加权和。易于构造，易于从频率响应角度进行分析。低通滤波就是模糊，高通滤波就是锐化。

1. 方框滤波
使用方框滤波器来模糊图片。

void boxFilterr(InputArrat src,OutputArray dst,int ddepth,Size ksize,Point anchor = Point(-1, -1),bool normalize = true,int borderType = BORDER_DEFAULT)

src:输入图像，通道数任意
dst:输出图像，和原图像有相同的尺寸和类型
ddepth:输出图像的深度,-1代表原图深度 src.depth()
Size:内核大小
anchor:锚点，即被平滑的点，默认值锚点在核的中心
normalize:内核是否被区域归一化,为true时，方框滤波变为均值滤波
borderType:推断外部像素的某种边界模式

归一化： 把要处理的量都缩放到一个范围内，比如（0，1）以便统一处理和直观量化。
非归一化： 主要用于计算每个像素邻域内的积分特性，如密集光流算法中用到的的图像倒数的协方差矩阵。

2. 均值滤波

输出图像的每一个元素是核矩阵内输入图像对应像素的平均值（所有像素加权系数相等），是方框滤波归一化后的结果。
主要方法为邻域平均法，即用一片图像区域的各个元素的均值来代替原图像中的各个像素值。一般是在图像上对目标像素给出一个内核，该内核包含一目标像素为中心点（去掉目标像素）的周围邻近像素。再用内核中的所有像素的平均值来代替原来的像素值，作为处理后图像在该点上的灰度点，以此类推。

3. 高斯滤波
对整幅图像进行加权平均的过程，每一个像素点都由其本身和邻域内的其他像素经过加权平均得到的。在数学角度来看，就是图像与正态分布做卷积的过程。
具体操作：用一个模板（卷积/掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值代替模板中心点像素的值。

非线性滤波

可去除一些突变的离散的噪声。在一些情况下比线性滤波效果好。

1. 中值滤波
基本思想：将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。在去除脉冲噪声，椒盐噪声的同时能保留图像本身的边缘细节。
原理：把图像中的一个像素点用该点的一个邻域中各点值的中值（将各点像素值（掩模/核矩阵覆盖内的）排序，取中间的那个像素点的值，而不是平均值，如3*3的区域，中值为第5个）代替，让周围的像素值接近真实值。不依赖于邻域内那些与典型值差别很大的之。在处理连续图像窗函数时与线性滤波器的工作方式相似，但是滤波过程不是加权运算。
可防止图像在进行平滑处理的过程导致的图像细节/边缘模糊，保护了边缘信息。
主要应用：斑点噪声，椒盐噪声。

2. 双边滤波
原理：比高斯滤波多了一个高斯方差sigma-d，是基于空间分布的高斯滤波函数。所以在边缘附近，离得远的像素不会对边缘上的像素值影响太多，保留了图像边缘。但保存了过多的高频信息，所以对高频信息不能很好的过滤掉，只能对低频滤波进行处理。
输出像素值依赖于邻域像素值的加权值组合。

形态学滤波

基于形状的一系列图像处理操作。主要运算包括：二值腐蚀与膨胀，二值开闭运算，骨架抽取，极限腐蚀，黑帽顶帽变换等。
先贴出用作对比的原图。

膨胀/腐蚀
主要应用： 消除噪声。分隔独立图像元素，在图像中连接相邻元素。寻找图像中的明显的极大值区域或极小值区域。求图像梯度。
膨胀
求局部最大值。将图像或一部分区域与核进行卷积，计算核覆盖区域中像素点的最大值，并将最大值赋值给参考点制定的像素。图像中的高亮区增多（255为白，0为黑，数值越大图片越亮）。
下图为膨胀处理后的图片。

腐蚀

与膨胀相反，求局部最小值，图片中暗的区域增多。
下图为腐蚀处理后的图片。

开/闭运算
开运算
是一个先腐蚀后膨胀的过程。用来消除小物体，在纤细处分离物体，并对平滑较大物体的边界的面积改变不明显。
下图为开运算的效果图。

可以看出，与腐蚀处理后的图片相比，图像的边缘改变并不是很明显。放大了裂痕或局部低亮的区域。
闭运算
是一个先膨胀后腐蚀的过程，能排除小型黑洞（黑色区域）。
下图为闭运算的效果图

形态学梯度
是膨胀图与腐蚀图之差，膨胀图减去腐蚀图。如果是二值图像则可以将团块的边缘部分突出，用来保留物体的边缘轮廓。

将该图与上面的膨胀和腐蚀图相对比，可以看出，形态学梯度处理后的图片的像素值，就是膨胀图中像素点的像素值减去腐蚀图中像素点的像素值。

顶帽/黑帽
顶帽
是原图像减去开运算处理后的图片。因为开运算是放大了裂痕或局部低亮去，所以原图减去开运算后的效果图，突出了比原图轮廓周围的区域更亮的区域，且这一操作与选择的核的大小相关。
作用：往往是用来分离比临近点亮一些的像素（区域）。在一副图像有较大的背景而物品微小且有规律，可以使用顶帽运算进行背景提取。
下图为顶帽运算效果图

黑帽
是闭运算减去原图。突出了比原图轮廓周围更暗的区域，和选择核的大小有关。用来分离比临近点更暗的区域，效果轮廓完整。
下图为效果图