图像处理(Image Processing) ---------- 图像滤波器 (上) (C#实现)

讲到图像处理的滤波器，就不得不先提图像中的低频分量和高频分量：

图像的频率代表了，图像颜色变化的剧烈程度。

低频分量：一幅图中，颜色变化缓慢的部分就叫做低频部分。通常低频是描述图像的主要部分，就像人的脸。

高频分量：一幅图中，颜色变化剧烈的部分就叫做高频部分。通常高频是描述图像的边缘、细节或者是噪声，就像人脸的轮廓，还有脸上的痘。

 

平滑空间滤波器：

均值滤波器(Averaging Filter): 均值滤波器也是低通滤波器，主要是对图像进行模糊处理和降噪(noise reduction)处理，还起到光滑轮廓(模糊)的作用。原理： 取遮罩(mask)，可以是3x3、5x5、7x7...自定义方形，然后对遮罩中的pixel值进行求和平均，遮罩最中间那一个pixel的pixel值用平均值替代。

          均值滤波器mask示意图：                    

 

中值滤波器(Median Filter): 跟均值滤波器相似，但是在降低噪声(noise reduction)方面优于均值滤波器，特别是对斑点噪声（speckle noise）和椒盐噪声（salt-and-pepper noise）尤其有用，同时还有保留边缘的特性也不会使轮廓模糊。原理： 取遮罩(mask)，这儿不同的是，中值滤波器通常采用“十字”而不用“方形”框。可以是3x3、5x5、7x7...自定义十字，然后对遮罩中的pixel值按升序排序，遮罩最中间那一个pixel的pixel值用中值替代。

中值滤波器mask示意图：                                     

 

 

Outlier Filter：类似于均值滤波器。原理：取3x3的遮罩，然后将除最中间的Pixel外的8个Pixel取平均值，均值与最中间的pixel值差值若大于某一个阀值(threshold)，那么就用平均值替代最中间值的pixel。

                                             Outlier Filter mask 示意图：

 

均值滤波器 vs 中值滤波器：

先看下图：假设取范围为5(单位Pixel)的遮罩，如红色框框，一次