均值滤波器3*3模板_空间滤波器

友好观看地址：

CSDN-专业IT技术社区-登录​blog.csdn.net

空间滤波基础

空间域滤波利用像素邻域的灰度关系进行计算

邻域：以图像某像素为中心的m×n个像素称为它的邻域，m,n为奇数

邻域操作的工具：模板(mask)

输出图像$(x, y)$像素点的灰度等于邻域中各像素的灰度加权求和；模板中的值是系数值，而不是灰度值。

在待处理图像中逐点移动掩模，每点响应等于模板系数与模板对应像素灰度值的乘积之和： $$ g(x,y) = R = k_0s_0 + k_1s_1+···+k_8s_8 $$

平滑空间滤波器

图像平滑作用：

• 消除或减少噪声，改善图像质量
• 典型的随机噪声由灰度级的急剧变化组成
• 平滑处理降低了图像 “尖锐”变化，达到降噪的目的
• 用于预处理
• 例如：在提取大的目标值前去除图像中一些琐碎细节、桥接直线或曲线的缝隙
• 模糊图像

平滑空间滤波器的分类

• 平滑线性滤波器：加权均值滤波器
• 统计排序滤波器（非线性滤波器）：最大值滤波器，中值滤波器，最小值滤波器

平滑线性滤波器：均值滤波器

平均模板, 输出邻域内的简单平均值，也称均值滤波器。 $$ 一般：mtimes n平均模板 R = frac{1}{m·n}sum_{i=1}^{m·n}Z_i $$

Code

import matplotlib.pyplot as plt
import numpy as np
import cv2 as cv

# 平滑线性滤波器：均值滤波器
def meanfilter(img,ma