Datawhale 计算机视觉基础-图像处理（上）-Task04 图像滤波

1、空间滤波基础

• 滤波的定义
  滤波是指接受（通过）或拒绝一定的频率分量
• 低通滤波器
  通过低频的滤波器。最终效果是模糊（平滑）一幅图像。
• 空间滤波机理
  空间滤波器由（1）一个邻域（典型地是一个较小的矩形），（2）对该邻域包围的图像像素执行的预定义操作组成。滤波产生一个新像素，新像素的坐标等于邻域中心的坐标，像素的值是滤波操作的结果。滤波器的中心访问输入图像中的每个像素，就生成了处理（滤波）后的图像。
• 线性空间滤波器
  在图像像素上执行的是线性操作的滤波器
• 非线性滤波器
  在图像像素上执行的是非线性操作的滤波器
• 椒盐噪声
  椒盐噪声也称为脉冲噪声，是图像中经常见到的一种噪声，它是一种随机出现的白点或者黑点，可能是亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）。椒盐噪声的成因可能是影像讯号受到突如其来的强烈干扰而产生、类比数位转换器或位元传输错误等。

2、常见滤波原理

2.1均值滤波

均值滤波器的输出是包含在滤波器模板邻域内的像素的简单平均值。它使用滤波器模板确定的邻域内像素的平均值代替图像中每个像素的值，这种处理的结果降低了图像灰度的“尖锐”变化。均值滤波处理还是存在不希望有的边缘模糊的负面效应。

2.2方框滤波

所有系数都相等的空间均值滤波器都称为方框滤波器（box filter）方框滤波是一种非常有用的线性滤波，也叫盒子滤波，均值滤波就是盒子滤波归一化的特殊情况。
应用： 可以说，一切需要求某个邻域内像素之和的场合，都有方框滤波的用武之地，比如：均值滤波、引导滤波、计算Haar特征等等。

优势： 就一个字：快！它可以使复杂度为O(MN)的求和，求方差等运算降低到O(1)或近似于O(1)的复杂度，也就是说与邻域尺寸无关了，有点类似积分图吧，但是比积分图更快（与它的实现方式有关）。

在原理上，是采用一个卷积核与图像进行卷积：

2.3高斯滤波

了解高斯滤波之前，我们首先熟悉一下高斯噪声。高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性，高斯白噪声包括热噪声和散粒噪声。

高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。一维零均值高斯函数为：

　　　　　　　　　　　　　　　　　　　　　　　　 g(x)=exp( -x^2/(2 sigma^2) 

其中，高斯分布参数Sigma决定了高斯函数的宽度。对于图像处理来说，常用二维零均值离散高斯函数作平滑滤波器，高斯函数的图形： 　对于图像来说，高斯滤波器是利用高斯核的一个2维的卷积算子，用于图像模糊化（去除细节和噪声）。

1) 高斯分布

一维高斯分布：

二维高斯分布：