数字图像处理原图_【数字图像处理系列五】图像滤波之空间滤波：图像平滑降噪和图像锐化...

python版本：python3.5.4 ； opencv-python版本：opencv-python3.4.2.17

使用的开发环境是jupyter notebook，是一个python的交互式开发环境，测试十分方便，并集成了vim操作，安装教程可参考：https://blog.csdn.net/feilong_csdn/article/details/80186276

先导文章：

opencv-python快速入门篇【数字图像处理系列一】

基本概念：亮度、对比度、饱和度、锐化、分辨率【数字图像处理系列二】

图像增强：线性、 分段线性、 对数、 反对数、 幂律(伽马)变换、直方图均衡【数字图像处理系列三】

图像数据集增强方式总结和实现【数字图像处理系列四】

在图像增强：线性、 分段线性、 对数、 反对数、 幂律(伽马)变换、直方图均衡【数字图像处理系列三】一文中我们从图像灰度变换的角度阐述了图像增强的各种方式，本文我们将一起学习图像处理中重点的方式：图像滤波，图像滤波分为空间域滤波和频率域滤波，频率域滤波我们将在下一节重点说明。图像空间滤波对于图像处理主要体现在两个方面：

(1) 平滑图像，达到降低图像噪音的效果(平滑空间滤波)

(2) 锐化图像，主要目的是突出灰度的过渡部分，即突出图像的边缘(锐化空间滤波)

先上图，感受一下空间滤波对图像处理的效果(原图、经过拉普拉斯处理后的图像)：

一、空间滤波原理

图像的空间滤波器有两大部分：

(1) 一个基于图像像素的矩形邻域

(2) 对矩形邻域包围的图像像素的操作方式

理解图像的矩形邻域如下图所示

将图像的左上角看做是空间域中的原点O，向下取为x轴，向右取为y轴，图中便显示了中心点(x，y)的一个3*3邻域。每经过一个滤波产生一个新像素，新像素的坐标等于领域中心坐标(x，y)，新像素的值是滤波操作的结果。而滤波器的类型也取决于邻域上操作的类型，如果邻域操作是线性操作，则滤波器称为线性空间滤波器；反之如果邻域操作是非线性操作，则滤波器称为非线性空间滤波器。

这里我们假设 f(x，y) 为原像素值，g(x，y) 为滤波后的像素值，则对于一个大小为M * N的图像使用大小为m * n的滤波器进行线性空间滤波，若令m=2a+1，n=2b+1，则邻域上线性操作可统一表达成下式：

其中x，y是可变的，以便w中的每个像素可访问f中的每个像素，我们一般称邻域内像素和滤波器模板的操作叫做卷积。下面将分别讲解平滑空间滤波器和锐化空间滤波器

二、平滑空间滤波

1、均值滤波、加权均值滤波

均值滤波又称为线性空间滤波，利用邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，尤其是会模糊图像边缘。通过下图便可看到均值滤波和加权均值滤波的区别：

其中左图是均值滤波，即邻域中每个像素权重相同，取邻域平均值