空间域滤波和频率域滤波的常用方式、每种滤波方法的特点。

1. 空间域滤波

空间域滤波常用方法是卷积运算，这种方法的缺点是随着采用的模板窗口的扩大，滤波的运算量会越来越大。

空间域滤波根据性质主要分为线性滤波和非线性滤波两类，根据功能可分为平滑滤波器和锐化滤波器。平滑可通过低通滤波来实现，锐化则可用高通滤波来实现。具体滤波方法有均值滤波、中值滤波、高斯滤波、索贝尔滤波、拉普拉斯滤波。其中各滤波器的原理和特点如下：

• 均值滤波：最常用的线性低通滤波器，它均等地对待领域中的每个像素。对于每个像素，取邻域（常用4邻域和8邻域）像素值的平均作为该像素的新值。从频率域的角度看，相当于进行了低通滤波，对高斯噪声比较有效。均值滤波算法简单，计算速度快，但在去掉尖锐噪声的同时会造成图像模糊，特别是对图像的边缘和细节削弱很多。随着邻域范围的扩大，去噪能力增强的同时模糊程度越加严重。
• 中值滤波：是一种最常用的非线性平滑滤波器，它将窗口内的所有像素值按高低顺序排序后，取中间值作为中心像素的新值。由于用中值替代了平均值，中值滤波在抑制噪声的同时能够有效地保留边缘，减少模糊。中值滤波可用来减弱随机干扰和脉冲干扰，比如对于脉冲噪声干扰的椒盐噪声(特别是脉冲宽度小于窗口宽度/2且相距较远的窄脉冲干扰)，中值滤波是非常有效的。但中值滤波对于随机噪声的抑制比均值滤波差一些。
• 高斯滤波：高斯滤波器是平滑线性滤波器的一种，线性滤波器很适合于去除高斯噪声。高斯滤波主要是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到，由于中心的权重比邻近像素的权重更大，这样就可以克服边界效应。高斯低通滤波是基于高斯滤波器的低通滤波，对于图像平滑处理，高斯低通滤波被认为是最优的。
• 索贝尔滤波：sobel滤波器用来近似计算垂直梯度，在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量，但是Sobel导数并不是真正的导数，因为Sobel算子定义于一个离散空间之上，它真正表示的是多项式拟合，用较大的核在更多像素上进行拟合的准确度更高；而较小的核对噪声会更加敏感，此时用sobel算子近似计算导数的精度比较低。这种不精确性在试图估计图像的方向导数时会比较明显。滤波效果主要凸显了图像的边缘，sobel算子主要用于边缘检测。
• 拉普拉斯滤波：拉普拉斯算子是n维欧式空间的一个二阶微分算子。拉普拉斯算子会突出像素值快速变化的区域，因此常用于边缘检测。

由以上分析可知，各种滤波器各有优劣，适用情况也不尽相同，线性滤波器适用于去除高斯噪声，而非线性滤波则适用于去除脉冲噪声，如中值滤波适合去除椒盐噪声。使用起来要视具体实际情况而定。

1. 频率域滤波

频率域滤波的基本工作流程为:空间域图像的傅里叶变换—>频率域图像—>设计滤波器—>傅里叶逆变换—>其他应用。频率域滤波常用的滤波器类型有以下五种：

低通滤波器：即高阻滤波，用来保留图像中的低频成分，滤除图像中高频成分。由于噪声多是高频成分，低通滤波应用较多；但另一方面，因为高频部分包含大量边缘信息，所以用此滤波器处理后会导致边缘损失、图像边缘模糊。

高通滤波器：即低阻滤波，与低通滤波器相反，用来保留高频成分。

带通滤波器：对其他的频率则意味着带阻，用来保留特定频率范围的信息。带阻滤波器：用来阻止特定频率范围的信息。

自定义滤波器：根据频率域图像中的频率分布人为定义，应用比较灵活。

1. 总结边缘检测常用的几种方法，比较分析每种方法的特点。

（1）微分算子法

经典的边缘提取方法是考察图像的每个像素的某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘，称为微分算子法。

导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值较高，因此可以将图像的导数算子运算值作为相应的边界强度，通过对这些导数值设置阈值，提取边界的点集。

1. Sobel算子

Sobel算子是滤波算子的形式来提取边缘。X，Y方向各用一个模板，两个模板组合起来构成1个梯度算子。X方向模板对垂直边缘影响最大，Y方向模板对水平边缘影响最大。

Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，但sobel算子对边缘定位不是很准确，因此图像的边缘不止一个像素。

1. robert算子

Robert算子是一种梯度算子，它用交叉的差分表示梯度，是一种利用局部差分算子寻找边缘的算子。

Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用roberts算子提取边缘会导致结果边缘比较粗，因此边缘的定位不是很准确。

1. prewitt算子

    prewitt算子是加权平均算子，对噪声有抑制作用，但是像素平均相当于对图像进行同滤波，所以prewitt算子对边缘的定位不如robert算子

Prewitt算子检测方法对灰度渐变和噪声较多的图像处理效果较好。但边缘较宽，而且间断点多。

1. Laplacian算子

Laplacian算子是一种二阶导数算子，将在边缘处产生一个陡峭的零交叉。前面介绍的几种梯度法具有方向性，不能对各种走向的边缘都具有相同的增强效果。但是Laplacian算子是各向同性的，能对任何走向的界线和线条进行锐化，无方向性。这是Laplacian算子区别于其他算法的最大优点。

Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区。

1. Canny边缘检测法

Canny边缘检测是一种比较新的边缘检测算子，具有很好的边缘监测性能，近来在图像处理中得到了越来越广泛的应用。它依据图像边缘检测最优准则设计。

Canny方法不容易受噪声干扰，能够检测到真正的弱边缘。优点在于，使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中。