2021-03-22

图像的平滑和图像的锐化

1、图像的平滑

       由于成像传感器噪声、相片颗粒噪声、图像在传输过程中的通道传输误差等，会使图像上出现一些随机的、离散的和孤立的像素点，即图像噪声。图像噪声影响了图像的视觉效果和后续目标的提取处理等工作，因此需要预先对图像中的噪声进行平滑滤波。去除噪声后的图像会更加清晰明了，所以可以看作是一种图像增强的方法。

平滑（也称平均）空间滤波器用于降低灰度的急剧过度。在图像重取样之前平滑图像以减少混淆也常见的应用之一。平滑用于减少图像中的无关细节，其中“无关”是指小于滤波器核的像素区域。另外一个应用是平滑因灰度级数量不足导致的图像中的伪轮廓。平滑通常称为低通滤波，通过低频，而衰减或者抑制低频。

在空间域中，图像的平滑模板的大小与图像平滑的效果密切相关。模板尺寸越大，平滑效果越好；但模板尺寸越大，平滑会使图像中的边缘信息损失越大，从而使平滑后的图像变得越来越模糊。因此要合理选择平滑模板的大小。

基于空间滤波的领域平均法是使用连续窗函数内像素值的加权运算来实现滤波的，所以是一种线性平滑滤波图像增强的方法。任何不是像素加权运算的滤波器都属于非线性滤波器。中值滤波是一种非线性滤波器，在一定程度上可以克服线性平滑滤波器所引起的图像模糊的问题，在滤除噪声的同时，可较好地保留图像的边缘信息。对于消除图像中的随机噪声和脉冲噪声（也称为椒盐噪声）非常有效。

中值滤波的主要优点是运算简单，在滤除噪声的同时能很好地保护信号的细节信息（如边缘和锐角等）。另外，中值滤波器很容易自适应化，从而可以进一步提高其滤波特性。中值滤波的关键在于选择合适的窗口形状和窗口大小；另一个重要的因素就是算法的速度。由于每次都要对窗口内的像素进行排序，因此必须选择有效的快速排序算法。

2、图像的锐化

锐化的作用是突出灰度中的过渡。即基于空间的锐化滤波器的图像增强的方法是一种增强和突出被模糊的图像细节，也即增强和突出被模糊了的图像中景物的边缘和轮廓的方法。基于空间锐化滤波的图像增强方法也简称图像锐化方法。锐化通常称为高通滤波。通过（负责细节的）高频，而衰减或抑制低频。

锐化的方法包括：基于一阶微分的梯度法和基于二阶微分的拉普拉斯算子锐化。

基于一阶微分的图像增强方法包括两个步骤：第一步是利用梯度检测法和突出图像中的边缘；第二步是基于某一门限阈值，通过利用超过门限的梯度值或某一指定的灰度值代替图像中相应的边缘来形成增强图像的结果。