计算机视觉应用开发课件：图像滤波

图像滤波图像滤波01任务线性滤波02任务非线性滤波02任务学习目标掌握线性滤波的常用方法掌握非线性滤波的常用方法掌握图像滤波的基本概念1图像滤波1图像滤波图像滤波，即在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，同时会造成图像一定程度上的模糊，这也叫做平滑或者低通滤波。无论是均衡化直方图和图像滤波，都一定程度上降低了图像阈值分割的难度，直方图增强图像内的对比度，图像滤波消除图像内的噪声干扰。进行平滑时，邻域内不同位置的像素被赋予不同的权值，对图像进行平滑的同时能够更多的保留图像的总体灰度分布特征。图像滤波是图像预处理中的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。1图像滤波图像滤波的两个目的是提取特征（抽出对象的特征作为图像识别的特征模式）和清除噪声（为适应图像处理的要求，消除图像数字化时所混入的噪声）。滤波处理的两个基本要求为无损信息（不能损坏图像的轮廓及边缘等重要信息）和图像清晰（使图像清晰视觉效果好）。图像平滑的两类目的：模糊+消除噪音。平滑滤波是低频增强的空间域滤波技术。空间域的平滑滤波，一般采用简单平均法进行，就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小。1图像滤波噪声一般可以分为高斯噪声和椒盐噪声，那高斯噪声和椒盐噪声有什么区别呢？高斯噪声是指噪声服从高斯分布，即某个强度的噪声点个数最多，离这个强度越远噪声点个数越少，且这个规律服从高斯分布。高斯噪声是一种加性噪声，即噪声直接加到原图像上，因此可以用线性滤波器滤除。

椒盐噪声类似把椒盐撒在图像上，因此得名，是一种在图像上出现很多白点或黑点的噪声，如电视里的雪花噪声等。椒盐噪声可以认为是一种逻辑噪声，用线性滤波器滤除的结果不好，一般采用中值滤波器滤波可以得到较好的结果。

图像滤波可大致分为两类：线性滤波和非线性滤波。2线性滤波2线性滤波

线性滤波器的原始数据与滤波结果是一种算术运算，即用加减乘除等运算实现，如均值滤波器（模板内像素灰度值的平均值）、高斯滤波器（高斯加权平均值）等。由于线性滤波器是算术运算，有固定的模板，因此滤波器的转移函数是可以确定并且是唯一的（转移函数即模板的傅里叶变换）。1.均值滤波均值滤波是最简单的一种滤波操作，输出图像的每一个像素是核窗口内输入图像对应像素的平均值（所有像素加权系数相等）。OpenCV中利用cv2.blur(img,ksize)来实现均值滤波，其中参数img为原图像，ksize为核的大小。2线性滤波

2.高斯滤波高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到，通常用它来减少图像噪声以及降低细节层次。这种模糊技术生成的图像，其视觉效果就像是经过一个毛玻璃在观察图像，这与镜头焦外成像效果以及普通照明阴影中的效果都明显不同。高斯平滑也用于计算机视觉算法中的预处理阶段，以增强图像在不同比例大小下的图像效果（参见尺度空间表示以及尺度空间实现）。从数学的角度来看，图像的高斯模糊过程就是图像与正态分布做卷积。由于正态分布又叫高斯分布，所以这项技术就称为高斯模糊。图像与圆形方框模糊做卷积将会生成更加精确的焦外成像效果。由于高斯函数的傅立叶变换是另外一个高斯函数，所以高斯模糊对于图像来说就是一个低通滤波器。2线性滤波数值图像处理中，高斯滤波主要可以使用两种方法实现。⼀种是离散化窗口滑窗卷积，另⼀种方法是通过傅里叶变化。最常见的就是滑窗实现，只有当离散化的窗口非常大，使用滑窗计算量非常大的情况下，可能会考虑基于傅里叶变化的实现方法。离散化窗口滑窗卷积时主要利用的是高斯核，高斯核的大小为奇数，因为高斯卷积会在其覆盖区域的中心输出结果。高斯卷积的公式如下：2线性滤波下面给予一张黑白明显的图片，将其标准差为1时的高斯卷积核的数值可视化，如图所示：高斯卷积核的生成步骤为：确定卷积核的尺寸，比如5×5；设置高斯函数的标准差，比如计算卷积核各个位置权重值；对权重进行归一化。OpenCV中可利用cv2.GaussianBlur(src,ksize,sigmaX[,DST[,sigmaY[,borderType]]])来实现高斯滤波，其中参数src为输入图像，ksize为高斯核的大小，sigmaX

为X方向上的高斯核标准偏差，dst

为输出与图像大小和类型相同的图像src，sigmaY为Y方向上的高斯核标准差，borderType为像素外推方法。3非线性滤波3非线性滤波非线性滤波是利用原始图像跟模版之间的一种逻辑关系得到结果，常用的非线性滤波方法有中值滤波和高斯双边滤波，分别对应cv2.medianBlur(src,ksize)方法和cv2.bilateralFilter(src,d,sigmaColor,sigmaSpace[,dst[,borderType]])方法。中值滤波中值滤波就是某个ksize区域里面的中值，将每一像素点的灰度值设置为该点某邻域窗口内所有像素点灰度值的中值。中值对椒盐噪声（脉冲噪声）有很好的抑制作用。中值滤波的原理是把以当前像素为中心的小窗口内的所有像素的灰度按从小到大排序，取排序结果的中间值作为该像素的灰度值。3非线性滤波在一连串数字｛1，4，6，8，9｝中，数字6就是这串数字的中值。由此可以应用到图像处理中。依然在图像中去3×3的矩阵，里面有9个像素点，将9个像素进行排序，最后将这个矩阵的中心点赋值为这九个像素的中值。图中就展示了在3×3矩阵中对中心值取值的计算过程。OpenCV中可利用cv2.medianBlur(src,ksize)来实现中值滤波，其中参数src为输入图像，ksize为高斯核的大小。3非线性滤波双边滤波是结合图像的空间邻近度和像素值相似度的一种折中处理，不仅考虑了像素信息，也考虑到了像素位置信息，达到保边去噪的目的，具有简单、非迭代、局部处理的特点。

双边滤波的计算公式为：其中

为当前像素权值，

为当前像素信息，

为当前像素邻域均值；

为当前像素位置信息，

为当前像素平均位置信息，

与

分别为当前像素信息和当前像素位置的标准差。在OpenCV中可使用cv2.bilateralFilter(src,d,sigmaColor,sigmaSpace[,dst[,borderType]])实现高斯双边滤波，方法中参数src为输入图像，参数d为过滤时周围每个像素领域的直径，参数sigmaColor表示在colorspace中过滤s