《图像滤波》

一 图像平滑与去噪
有时拍摄的图像中会存在很多杂点和噪声，对于比较均匀的噪声，可以考虑用软件的算法进行消除。可利用图像平滑的方法去噪，主要方法有均值滤波、中值滤波、高斯滤波等。

1.1 均值滤波
均值滤波，是图像处理中最常用的手段，从频率域观点来看均值滤波是一种低通滤波器，高频信号将会去掉，因此可以帮助消除图像尖锐噪声，实现图像平滑，模糊等功能。理想的均值滤波是用每个像素和它周围像素计算出来的平均值替换图像中每个像素。
均值滤波器的缺点是存在着边缘模糊的问题。

read_image (ImageNoise, ‘data/marker.jpg’)
mean_image (ImageNoise, ImageMean, 9,9)
dev_display(ImageMean)

1.2 中值滤波
中值滤波也是消除图像噪声最常见的手段之一，特别是消除椒盐噪声，中值滤波的效果要比均值滤波更好。中值滤波是跟均值滤波唯一不同是，不是用均值来替换中心每个像素，而是将周围像素和中心像素排序以后，取中值。

read_image (ImageNoise, ‘data/marker.jpg’)
median_image (ImageNoise, ImageMedian, ‘circle’, 3, ‘continued’)
dev_display(ImageMedian)

1.3 高斯滤波
高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。 [1] 通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板（或称卷积、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去替代模板中心像素点的值。

read_image (ImageNoise, ‘data/marker.jpg’)
gauss_filter(ImageNoise, ImageGauss, 5)
dev_display(ImageGauss)