平滑空间滤波器
作用
- 模糊处理:去除图像中一些不重要的细节
- 减小噪声
分类
- 平滑线性滤波器: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
盒状滤波
R = 1 9 ∑ i = 1 9 z i R=\frac{1}{9}\sum_{i=1}^9z_i R=91i=1∑9zi
![](https://i-blog.csdnimg.cn/blog_migrate/56cbe7792d762301fd1ed10e9a6db5b7.png)
加权均值滤波
g ( x , y ) = ∑ s = − a a ∑ t = b b w ( s , t ) f ( x + s , y + t ) ∑ s = − a a ∑ t = b b w ( s , t ) g(x,y)=\frac{\sum_{s=-a}^a\sum_{t=b}^bw(s,t)f(x+s,y+t)}{\sum_{s=-a}^a\sum_{t=b}^bw(s,t)} g(x,y)=∑s=−aa∑t=bbw(s,t)∑s=−aa∑t=bbw(s,t)f(x+s,y+t)
![](https://i-blog.csdnimg.cn/blog_migrate/ebe65600a784fb7192a93a61368d768d.png)
统计排序滤波器(非线性)
基于滤波器所在图像区域中像素的排序,由排序结果决定的值代替中心像素的值。
分类:
-
中值滤波器: 用像素领域内的中间值代替该像素。
主要用途:去除噪声。
计算公式: R = m i d { z k ∣ k = 1 , 2 , . . . , 9 } R=mid\{z_k|k=1,2,...,9\} R=mid{zk∣k=1,2,...,9} -
最大值滤波器:用像素领域内的最大值代替该像素
主要用途:寻找最亮点。
计算公式: R = m a x { z k ∣ k = 1 , 2 , . . . , 9 } R=max\{z_k|k=1,2,...,9\} R=max{zk∣k=1,2,...,9} -
最小值滤波器:用像素领域内的最小值代替该像素
主要用途:寻找最暗点。
计算公式: R = m i n { z k ∣ k = 1 , 2 , . . . , 9 } R=min\{z_k|k=1,2,...,9\} R=min{zk∣k=1,2,...,9}
中值滤波器
特点:
- 强迫突出的亮点(暗点)更象它周围的值,以消除孤立的亮点(暗点)
- 在去除噪音的同时,可以比较好地保留边的锐度和图像的细节(优于均值滤波器)
- 能够有效去除脉冲噪声(椒盐脉冲噪声)
示例:
![](https://i-blog.csdnimg.cn/blog_migrate/c5a2da0c0c79625731522ff86c07e4e5.png)