图像滤波1 .图像滤波,即在尽可能不保留图像细节特征的条件下抑制对象图像的噪声,是图像预处理中不可缺少的
的操作,其处理效果的好坏直接影响后续图像处理与分析的有效性和可靠性。
2 .去除图像中的噪声成分称为图像平滑或滤波操作。 或者图像能量的大部分与振幅频谱的低频
中频很常见,但在高频区域,感兴趣的信息经常被噪声淹没。 因此,能够降低高频成分振幅的滤波器
可以降低噪声的影响。
3 .平滑滤波是低频增强的空间域滤波技术。 其目的有两种。 一种是模糊的。 另一个是消除噪音。 空间域的
平滑滤波一般采用单纯平均法进行,求出相邻像素点的平均亮度值。 附近的大小直接关系到平滑化的效果,
附近越大,平滑化的效果越好,但是附近过大时,平滑化会导致边缘信息的损失变大,输出的图像会变得模糊
有必要合理选择附近的大小。
4 .关于滤波器,作为图像的比喻方法,可以认为滤波器是包含权重系数的窗口,在使用该滤波器的情况下
当polyzer平滑处理图像时,将此窗口放在图像上,通过此窗口查看我们获得的图像。
滤波的目的: 1、去除图像中混入的噪声。 2、提取图像特征进行图像识别。
过滤要求: 1、不得损伤图像轮廓和边缘。 2、图像视觉效果要更好。
线性滤波可以说是图像处理的最基本方法。 这样就可以处理图像,获得各种各样的效果。
平均值滤波是图像处理中最常见手段,从频域的观点来看,平均值滤波是低通滤波,高频信号
由于会被去除,有助于去除图像的尖锐噪声,实现图像的平滑、模糊等功能。 理想的平均滤波是使用所有的像
根据像素及其周围像素计算出的平均值将替换图像中的每个像素。
从左到右从上至下计算图像中的各个像素,最终得到处理后的图像。
可以向平均过滤添加两个参数:迭代次数和Kernel数据大小。
虽然是同样的Kernel,但是多次重复的话效果会增加。
同样,迭代次数相同的话,核矩阵越大,平均滤波的效果越明显。
请注意,在kernel加权求和后,必须将平均值除以9,然后用平均值替换蓝色中心像素
平均滤波的优缺点:算法简单,计算速度快
缺点:减少噪声的同时,使图像产生模糊,特别是场景的边缘和细节。
中值滤波器中值滤波器也是去除图像噪声的最常用手段之一,尤其是去除椒盐噪声时,中值滤波器的效果大于平均滤波器
波浪更好。 与平均值滤波器不同,中值滤波器与周围像素和中心像素不同,后者不将中心像素替换为平均值
对中心像素进行排序后,取中值。
3X3大小的中值滤波器如下所示。
中值滤波的优缺点:抑制效果好,画面分辨率基本保持不变
缺点:高斯噪声的抑制效果不太好。
最大最小值滤波器最大最小值滤波器是比较保守的图像处理单元,与中值滤波器一样,首先对周围的像素和中心像进行排序
将像素值,然后将中心像素值与最小和最大像素值进行比较,如果小于最小值,则将中心像素替换为最小值
如果中心像素大于最大值,则替换中心像素为最大值。
Kernel矩阵为3X3的最大最小值滤波如下: