空间滤波

滤波借用于频域处理，在频域处理中，滤波是指接收或拒绝一定的频率分量。

空间滤波机理

空间滤波器由一个领域（典型地是一个较小的矩阵），对该领域包围的图像像素执行的预定义操作。滤波产生一个新像素，新像素的坐标为领域中心的坐标，像素的值是滤波的结果。
一般来说，使用大小为 $m*n$ 的滤波器对大小为 $M*N$ 的图像进行线性空间滤波，可由下式表示：

$$g(x,y)=\sum_{s=-a}^{a}{\sum_{t=-b}^{b} {w(s,t)f(x+s,y+t)}}$$

相关与卷积

相关是滤波器模板移过图像并计算每个位置乘积之和的处理。卷积机理类似，但滤波器首先要旋转$180^{\circ}$
相关：

$$w(x,y)\star f(x,y)=\sum_{s=-a}^{a }{\sum_ {t=-b}^{b}{w(s,t)f(x+s,y+t)}}$$
卷积： $$w(x,y)\star f(x,y)=\sum_{s=-a}^{a }{\sum_ {t=-b}^{b}{w(s,t)f(x-s,y-t)}}$$

平滑空间滤波器

概念：平滑线性空间滤波器（均值滤波器）的输出是包含在滤波器模板领域内的像素的简单平均值。可认为低通滤波器。
作用：降低图像“尖锐”变化，抑制噪声（随机噪声的灰度级变化激烈）。但是会影响图像的边缘特性（图像边缘灰度级变化较大）。
说明：均值的取法可以是直接平均，也可以是加权平均。

统计排序（非线性）滤波器

统计排序滤波器是一种非线性滤波器，其响应是滤波器包含像素的队列为基础，然后使用统计排序的值代替中心像素的值。如中值滤波器，用像素领域内灰度的中值代替原像素的值。
作用：很好地处理脉冲噪声（椒盐噪声）。

锐化空间滤波器

锐化处理的主要目的是突出灰度的过渡部分（包括图像边缘及某些噪声）。图像模糊可通过空间域用像素领域平均法实现。均值和积分很类似。类似地，锐化处理可以由空间微分来实现。
一般地，微分的定义需满足以下条件：（1）恒定灰度区域的微分值为零；（2）灰度台阶或斜坡的起点处微分值非零；（3）沿着斜坡的微分值非零。
一阶微分定义为差值：$\frac{\partial f}{\partial x}=f(x+1)-f(x)$
我们将二阶微分定义为如下差分：

$$\frac{\partial ^2(f)}{\partial x^2}=f(x+1)+f(x-1)-2f(x)$$
最简单的各向同性的微分算子为拉普拉斯算子，函数 $f(x,y)$的拉普拉斯算子定义为 $$\nabla ^2 f=\frac{\partial ^2f}{\partial x^2}+\frac{\partial ^2f}{\partial y^2}$$
在 $x$方向上，有 $$\frac{\partial ^2f}{\partial x^2}=f(x+1,y)+f(x-1,y)-2f(x,y)$$
在 $y$方向上，有 $$\frac{\partial ^2f}{\partial y^2}=f(x,y+1)+f(x,y-1)-2f(x,y)$$
故两个变量的离散拉普拉斯算子是 $$\nabla ^2 f(x,y)=f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)-4f(x,y)$$
参考书目：数字图像处理(中译第三版)[冈萨雷斯]