本文详细介绍了图像处理中的低通空间滤波器，包括盒式滤波器和低通高斯滤波器。平滑滤波器主要用于降噪和减少图像无关细节，高斯滤波器因其可分离性和特性成为常用选择。此外，还讨论了统计排序滤波器，尤其是中值滤波器在降噪方面的优势。
数字图像处理 Ch3 平滑（低通）空间滤波器
平滑（低通）空间滤波器
平滑（平均）空间滤波器用于降低灰度的急剧过渡。由于随机噪声通常由灰度的急剧过渡组成，因此平滑的一个明显应用就是降噪。平滑用于减少图像中的无关细节，这里的“无关”指的是小于滤波器核的像素区域。
如 数字图像处理 - Ch3 空间滤波基础 中提到的，线性空间滤波是指图像与滤波器进行卷积。一个平滑核与一幅图像的卷积会模糊图像，模糊的程度取决于核的大小及其系数的值。
1. 盒式滤波器核
盒式核是最简单的可分离低通滤波器，其系数的值相同（通常为1）。一般一个大小为 m × n m \times n m×n的盒式滤波器是元素值1的一个 m × n m \times n m×n阵列，其前面有一个归一化的常数，这个常数一般为1除以系数值之和。
适用于所有低通核的这个归一化有两个目的：
- 一个恒定灰度区域的灰度平均值将等于滤波后的图像中的灰度值。
- 采用这种方式对核归一化时，可以防止在滤波过程中引入偏差。
因为盒式核中所有的行和列都相同，所以这些核的秩都是1，它们是可分离的。
2. 低通高斯滤波器核
盒式滤波器过于简单，适合快速试验，产生视觉上能够接受的平滑结果，但是它在很多应用上面有局限性。
应用中的所选的核一般是圆对称的，而高斯核已被证明是唯一可分离的圆对称核。因为可分离，所以高斯滤波器的计算优势可以和盒式滤波器媲美，而且具有很多适合于图像处理的性质。可以写为 w ( s , t ) = G ( s , t ) = K e − s 2 + t 2 2 σ 2 w(s,t)=G(s,t)=Ke^{-\frac{s^2+t^2}{2\sigma ^2}} w(s,t)=G(s,t)=
最低0.47元/天 解锁文章
1512
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
