图像滤波算法整理--均值、中值、高斯、拉普拉斯算子、梯度算子:

首先分为平滑空间滤波器和锐化空间滤波器来进行介绍。平滑空间滤波器主要用于模糊处理和降低噪声，主要两类：均值滤波器和中值滤波器。锐化空间滤波器主要是：拉普拉斯算子和梯度算子。

一、均值滤波方法：对高斯噪声的抑制效果较好。

       假设我们有一个3*3的模板，系数全为1，那么欲求的中心点像素值就是以该模板为中心的9个像素的平均值来代替。根据定义可知，该滤波器具有模糊边缘的负面效应。通过空间均值处理来模糊图像，可以突出感兴趣的物体，即将部分图像融入背景中 ，部分图像‘突出显示’出来，达到平滑图像的作用，重点理解平滑对于图像的意义。

MATLAB代码：

set(gca,'Fontname','Monospaced');
I=imread('a.tif');   
subplot(231),imshow(I), title('origin image');  
%I=rgb2gray(I);  
%I1=imnoise(I,'salt & pepper',0.02);  
%subplot(2 3 2)  
%imshow(I1)  
%title('添加椒盐噪声的图像');
I1 = I;
k1=filter2(fspecial('average',3),I1)/255; %进行3*3模板平滑滤波
k2=filter2(fspecial('average',5),I1)/255; %进行5*5模板平滑滤波  
k3=filter2(fspecial('average',7),I1)/255; %进行7*7模板平滑滤波  
k4=filter2(fspecial('average',9),I1)/255; %进行9*9模板平滑滤波  
k5=filter2(fspecial('average',15),I1)/255; %进行15*15模板平滑滤波  
subplot(232),imshow(k1);title('3*3 smoothing filtering');  
subplot(233),imshow(k2);title('5*5 smoothing filtering');  
subplot(234),imshow(k3);title('7*7 smoothing filtering');  
subplot(235),imshow(k4);title('9*9 smoothing filtering');  
subplot(236),imshow(k5);title('15*15 smoothing filtering');  

结果：可以看出，在模板逐渐扩大的过程中，图像的锯齿边缘被模糊掉，颗粒状的噪声也没有了，达到了我们想要的效果，但是在9*9甚至更大的模板，图像开始失真，图像过度模糊了。所以我们在图像平滑的时候，要选最佳的模板尺寸。