图像滤波, 是指尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作, 其处理效果的好换将直接影响到后续图像处理和分析的有效性和可靠性。
1. 前言
图像滤波的目的
第一个:抽出对象的特征作为图像识别的特征模式;
第二个:消除图像数字化时混入的噪声;
图像滤波的要求
第一条: 不能损坏图像的轮廓及边缘等重要信息;
第二条: 使图像清晰、视觉效果较好;
平滑化或滤波
就是消除图像中的噪声成分,图像中的能量大部分集中在幅度谱的低频和中频段
, 而在较高频段,有用的信息经常被噪声淹没
,因此一个降低高频成分幅度
的滤波器就能够减弱噪声的影响。
平滑滤波:
是一种低频增强的空间域滤波技术,它的目的一是模糊,二是消除噪声。
空间域的平滑滤波一般采用
简单平均法
进行,就是求邻近像素点的平均亮度值。邻域的大小与平滑的效果直接相关,邻域越大平滑效果越好, 但邻域过大,平滑也会使得边缘信息损失的越大,从而使输出的图像变得模糊。
2. 几种线性滤波的原理简介
线性滤波主要有三种: 方框滤波
、均值滤波
、高斯滤波
.
平滑处理
也称为模糊处理,用来减少图像上的噪点或者失真。
滤波与模糊:
上面有讲到平滑滤波其实对图像进行了模糊处理,而平滑滤波是增强低频信号(也就是低通滤波),消除高频度信号。因此,实质就是低通即为模糊, 高通就是锐化。
图片的锐化:就是补偿图像的轮廓,增强图像的边缘及灰度跳变的部分,使图像变得清晰,亦分空域处理和频域处理两类。
邻域算子与线性邻域滤波
邻域算子: 利用给定像素周围的像素值,决定此像素的最终值; 线性邻域算子是一种常用的邻域算子,像素的输出值取决于输入像素的加权和。
邻域算子实现图像平滑,即为图像噪声的去除;邻域算子实现图像的锐化,即为图像的边缘增强。
核 -- 滤波器的加权系数
, 即为滤波器的滤波系数,就是上图的中h(x,y)函数。
OpenCV中三种常用的线性滤波操作
方框滤波 ---- boxblur 函数
均值滤波 ---- blur 函数
高斯滤波 ---- GaussianBlur 函数