数字图像处理
一、平滑滤波器
1.1 基本原理
空域滤波是在待处理图像f(x,y)上逐点移动模板，在每一点(x,y)的滤波响应通过事先定义的关系来计算。该响应就是空间滤波的输出。
1.2 作用
- 模糊处理，来去除图像中的一些不重要的细节；
- 消除图像中的高频分量，同时不影响低频分量；高频分量对应途中的边缘等灰度值具有较大变化的区域，平滑可以减少这部分起伏；
- 减小或消除噪声；
- 提取较大目标前去除太小的细节或将目标的小间断连接起来。
1.3 邻域加权平均实现方式
邻域加权平均：包含在滤波器邻域内像素的均值或加权平均值，也称为均值滤波器。
当滤波中心在图像边沿上时有两种处理方式：
- 不做处理，在边沿处输出等于输入；
- 或者给输入图像“补上”若干行和列，补零，补相同值，对称补值。
二、高斯滤波器
2.1 基本原理
2.2 特点
三、中值滤波器
3.1 基本原理
中值滤波的基本原理简单来说就是：用模板区域内像素的中间值，作为结果值。
3.2 适用场合
主要用途：文章来源：https://www.toymoban.com/news/detail-469405.html
- 去除噪声
- 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）
计算公式：
3.3 实现方式
- 将模板区域内的像素排序，对于同值像素，连续排列，求出中间值（例如：3x3的模板，第5大的是中间值）
- 取3X3窗口，从小到大排列，取中间值作为该区域的取值。
3.4 特点
- 优点：
- 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：以黑白点叠加在图像上的椒盐噪声
- 缺点：
- 中值滤波去除孤立线或点干扰，而保留空间清晰度较平滑滤波为好；但对高斯噪声则不如平滑滤波。
- 图像边缘发生移动
四、拉普拉斯锐化滤波器
4.1 基本原理
灰阶的突然变化：一次微分后形成的波峰，正代表着两个区域的边缘处。若波峰够高，也就是已超过门坎值，已足以说明在该处有边点形成的边线。
4.2 目的
- 增强图像中高频分量；
- 常用于增强被模糊的细节或目标的边缘，强化图像的细节。
4.3 适用场合
主要用途：
- 突出图像中的细节，增强被模糊了的细节；
- 印刷中的细微层次强调。弥补扫描对图像的钝化；
- 超声探测成像，分辨率低，边缘模糊，通过锐化来改善；
- 图像识别中，分割前的边缘提取；
- 锐化处理恢复过度钝化、曝光不足的图像；
- 零点检测。
4.4 实现方式
文章来源地址https://www.toymoban.com/news/detail-469405.html
五、Matlab代码实现
%引入图片
I=imread('你的路径');
5.1 平滑滤波
%% 平滑滤波
%制定卷积核为3×3的全1矩阵
h=ones(3,3)/9;
%平滑运算
I_average=imfilter(I,h);
figure(f1);
subplot(2,2,1);imshow(I_average);title('平滑滤波图像');
5.2 高斯滤波
%% 高斯滤波
% 标准差为1的高斯滤波器
I_Gauss = imgaussfilt(I,1);
figure(f1);subplot(2,2,2);imshow(I_Gauss);title('高斯滤波图像');
5.3 中值滤波
%% 中值滤波
% 3×3的邻域中值滤波
I_mid = medfilt2(I);
figure(f1);subplot(2,2,3);imshow(I_mid);title('中值滤波图像');
5.4 拉普拉斯锐化滤波
%% 拉普拉斯锐化
% 4邻点拉普拉斯锐化滤波器
H = fspecial('laplacian',0);
I_lap = double(I);
I_laplacian = imfilter(I_lap,H);
figure(f1);subplot(2,2,4);imshow(I_laplacian);title('拉普拉斯锐化滤波图像');
到了这里，关于【数字图像处理】四种常用的滤波器的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
