《数字图像处理》——ch3灰度变换与空间滤波（2.空间滤波）

版权声明：以下图片截取自《数字图像处理》冈萨雷斯 一书中。

1.空间滤波基础

“滤波”：接受（通过）或拒绝一定的频率分量。
空间滤波器（也称空间掩模、核、模板、窗口）直接作用于图像本身，且滤波器未必用于真正的卷积。
空间滤波器由（1）一个邻域（较小的矩形），（2）对该领域包围的图像像素执行的预定义操作 组成。
线性空间滤波：相关（滤波器模板移过图像并计算每个位置乘积之和的处理）；卷积（类似于相关，但首先要将滤波器旋转180度）。
相关：一个函数与离散单位冲激相关，在该冲激位置产生这个函数的一个翻转的版本。
卷积：一个函数与一个离散单位冲激卷积，得到一个在该冲激处的这个函数的拷贝。
相关运算的公式：

卷积运算的公式：

其中，等式右侧的减号表示翻转f（即旋转180度）。

线性滤波器的向量表示：

其中，w项时一个大小为m*n的滤波器的系数，z为由滤波器覆盖的相应图像的灰度值。
空间滤波器模板的产生：

生成一个大小为m*n的线性空间滤波器要求指定mn个模板系数；使用线性滤波所能做的所有事情是实现乘积求和操作。
线性滤波器：求平均灰度来进行平滑等操作。
非线性滤波器：确定领域的大小，以及将对包含在领域内的图像像素执行的操作。

2.平滑空间滤波器

平滑滤波器：用于模糊处理和降低噪声；模糊处理经常用于预处理任务中。
平滑线性滤波器：
输出（响应）是包含在滤波器模板领域内的像素的简单平均值（均值滤波器）。
主要应用：去除图像中的不相关细节，其中“不相关”是指与滤波器模板尺寸相比较小的像素区域。
缺点：边缘模糊的负面效应。
1.盒状滤波器：所有系数都相等的空间均值滤波器；
2.加权平均：考虑进每个像素的不同重要性（权重）；
统计排序（非线性）滤波器：
中值滤波器：将像素邻域内灰度的中值代替该像素的值；
主要应用：处理椒盐噪声（脉冲噪声）（以黑白点的形式叠加在图像上的）。

3.锐化空间滤波器

锐化处理：突出灰度的过渡部分；可由空间微分来实现。
基础：
ROI：恒定灰度区域中，突变的开始与结束点（台阶和斜坡突变）及沿着灰度斜坡处的微分性质。
一阶微分的基本定义是差值：

二阶微分的基本定义（差分）：

使用二阶微分进行图像锐化——拉普拉斯算子：
应用：强调图像中灰度的突变。
复原背景特性并保持拉普拉斯锐化处理的效果：将原图像和拉普拉斯图像叠加在一起。
拉普拉斯算子的定义：



将（3.6-5）和（3.6-4）分别带入（3.6-3）得到如下公式：

使用拉普拉斯对图像增强的基本方法如下：

其中，f和g分别是输入图像和锐化后的图像；
如果使用下图（a）和（b）中的拉普拉斯滤波器，则常数c=-1；如果使用（c）和（d）中的滤波器，则常数c=1。

非锐化掩模处理：
1.模糊原图像；
2.从原图像中减去模糊图像（产生的差值图像称为模板）；
3.将模板加到原图像上。

使用一阶微分对（非线性）图像锐化——梯度处理：
f在坐标（x，y）处的梯度定义为二维列向量：

向量的幅度值（长度）表示为M（x，y）：

Soble算子的定义：

如下图分别表示：罗伯特交叉梯度算子对、Soble算子对；

梯度处理的应用：工业检测（辅助人工检测产品缺陷、作为自动检测的预处理）；突出灰度图像中看不见的小斑点；灰度平坦区域中增强小突变；

4.混合空间增强法

对给定的任务应用多种互补的图像增强技术；
增强的目的是：得到一幅具有较高视觉细节内容的图像。