空间滤波器

一、平滑滤波器：

目的：模糊处理和降低噪声，如在大目标提取之前去除图像中的一些琐碎细节，以及连接直线或曲线的缝隙。

1. 平滑线性滤波器：均值滤波器

方法：

包含在滤波器模板邻域内像素的简单均值，即使用滤波器模板确定的邻域内像素的平均灰度值来代替图像中的每个像素的值。

作用：

去除图像中的不相关细节，不相关指的是与滤波器模板尺寸相比较小的像素区域。降低了图像灰度的尖锐变化。由于典型的随机噪声由灰度级的急剧变化组成，因此平滑处理就是降低噪声。

缺点：

由于图像边缘也是由图像灰度尖锐变化带来的特性，所以均值滤波会把边缘模糊

均值滤波器包含两种：

标准像素平均值滤波器和加权平均值滤波器

加权平均值滤波器：

用不同的系数乘以像素，即一些像素的重要性(权重)要比另外一些的大。赋予中心点最高权重，然后随着距离中心点距离的增加而减少系数值的加权，在平滑处理中试图降低模糊

应用：

模糊图像以便得到感兴趣物体的粗略描述，因此那些较小物体的灰度就会与背景混合在一起，较大的物体则变得像斑点而易于检测。模板的大小由那些即将融入背景中的物体尺寸决定。

2. 统计排序（非线性）滤波器

方法：

滤波器的响应以滤波器包围的图像区域中所包含的像素排序为基础，然后使用统计排序结果决定的值代替中心像素的值。

最著名的是中值滤波器。

用于去除椒盐噪声（以黑白点的形式叠加在图像上），在去噪时比相同尺寸的线性平滑滤波器的模糊程度明显降低。

中值滤波器的主要功能：

使拥有不同灰度的点看起来更接近于它的相邻点，使用m×m中值滤波器去除那些相对于其邻域像素更暗或者更亮，且其区域小于m ^ 2 / 2的孤立像素族，去除的意思是强制为邻域的中值灰度。

二、锐化空间滤波器

锐化：突出灰度的过渡部分
处理方法：微分，图像微分会增强边缘和其他突变(如噪声)，削弱灰度变化缓慢的区域。

基础

一阶微分和二阶微分的锐化滤波器

一阶微分：

1.在恒定灰度区域的微分值为零
2. 在灰度台阶或斜坡处的微分值为非零
3. 沿斜坡的微分值非零
二阶微分：

1.在恒定灰度区域的微分值为零
2. 在灰度台阶或斜坡的起点处的微分值为非零
3. 沿斜坡的微分值为零
一维函数的一阶微分：

一维函数的二阶微分：


图像中的边缘在灰度上通常类似于斜坡过渡，因此会导致图像的一阶微分产生较粗的边缘，因为沿斜坡的微分非零。另一方面，二阶微分产生由零分开的一个像素宽的双边缘，因此，二阶微分在增强细节方面要比一阶微分好。

使用二阶微分锐化图像–拉普拉斯算子

各向同性滤波器：这种滤波器的响应与滤波器作用的图像的突变方向无关，也即各向同性滤波器是旋转不变的，即将原图像旋转后进行滤波处理给出的结果，与先对图像滤波然后在旋转的结果相同。

最简单的各向同性微分算子：拉普拉斯算子（线性）：

应用：
由于拉普拉斯是一种微分算子，因此应用着重于图像中的灰度突变区域，而非灰度级缓慢变化的区域。将原图像与拉普拉斯图像叠加在一起的简单方法，可以复原背景特性并保持拉普拉斯锐化处理的效果。如果所用定义的中心系数是负的，要得到锐化结果，就必须从原图像减去经拉普拉斯变换后的图像。