图像平滑

第一个问题：高斯函数为什么能作为图像处理中的滤波函数？ 高斯平滑滤波器无论在空间域还是在频率域都是十分有效的低通滤波器，且在实际图像处理中得到了工程人员的有效使用．高斯函数具有五个十分重要的性质，它们是： （1）二维高斯函数具有旋转对称性，即滤波器在各个方向上的平滑程度是相同的．一般来说，一幅图像的边缘方向是事先不知道的，因此，在滤波前是无法确定一个方向上比另一方向上需要更多的平滑．旋转对称性意味着高斯平滑滤波器在后续边缘检测中不会偏向任一方向． （2）高斯函数是单值函数．这表明，高斯滤波器用像素邻域的加权均值来代替该点的像素值，而每一邻域像素点权值是随该点与中心点的距离单调增减的．这一性质是很重要的，因为边缘是一种图像局部特征，如果平滑运算对离算子中心很远的像素点仍然有很大作用，则平滑运算会使图像失真． （3）高斯函数的付立叶变换频谱是单瓣的．正如下面所示，这一性质是高斯函数付立叶变换等于高斯函数本身这一事实的直接推论．图像常被不希望的高频信号所污染(噪声和细纹理)．而所希望的图像特征（如边缘），既含有低频分量，又含有高频分量．高斯函数付立叶变换的单瓣意味着平滑图像不会被不需要的高频信号所污染，同时保留了大部分所需信号． （4）高斯滤波器宽度(决定着平滑程度)是由参数σ表征的，而且σ和平滑程度的关系是非常简单的．σ越大，高斯滤波器的频带就越宽，平滑程度就越好

本文转自： 最容易理解的对卷积(convolution)的解释 https://www.cnblogs.com/alexanderkun/p/8149059.html 最容易理解的对卷积(convolution)的解释 啰嗦开场白 读本科期间，信号与系统里面经常讲到卷积(convolution)，自动控制原理里面也会经常有提到卷积。硕士期间又学了线性系统理论与数字信号处理，里面也是各种大把大把卷积的概念。至于最近大火的深度学习，更有专门的卷积神经网络(Convolutional Neural Network, CNN)，在图像领域取得了非常好的实际效果，已经把传统的图像处理的方法快干趴下了。啰啰嗦嗦说了这么多卷积，惭愧的是，好像一直以来对卷积的物理意义并不是那么清晰。一是上学时候只是简单考试，没有仔细思考过具体前后的来龙去脉。二是本身天资比较愚钝，理解能力没有到位。三则工作以后也没有做过强相关的工作，没有机会得以加深理解。趁着年前稍微有点时间，查阅了一些相关资料，力争将卷积的前世今生能搞明白。 1.知乎上排名最高的解释 首先选取知乎上对卷积物理意义解答排名最靠前的回答。 不推荐用“反转/翻转/反褶/对称”等解释卷积。好好的信号为什么要翻转？导致学生难以理解卷积的物理意义。 这个其实非常简单的概念，国内的大多数教材却没有讲透。 直接看图，不信看不懂。以离散信号为例，连续信号同理。

平滑 1.简单模糊/均值滤波： 目标图像中每一个值都是源图像相应位置的核的平均值 均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。特别是椒盐噪声 2.中值滤波： 将源图像对应位置的核大小个像素进行排序，得到中值，最后将核矩阵的中心点赋值为这个中值。 椒盐噪声很好的被平滑，而且也没均值那样模糊化太过于严重。 少量具有较大偏差的点会严重影响滤波结果 3.高斯滤波 源图像对应位置的核中心为中心，将核参数呈现二维高斯波形，然后将核和源图像对应位置求卷积。 参考：https://www.cnblogs.com/charlee44/p/10592588.html 缺点：破坏了边缘信息。把边缘也模糊了 4.双边滤波 https://blog.csdn.net/qq_36359022/article/details/80198890 结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点。 双边滤波器的好处是可以做边缘保存（edge preserving），一般用高斯滤波去降噪，会较明显地模糊边缘，对于高频细节的保护效果并不明显。 openCV接口 void bilateralFilter( InputArray src,

本节内容主要将如何平滑图像。如通过低通道滤波模糊图像。或者自定义滤波处理图像。 import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread(r'C:\root\learn\python\opencvTest\img\opencvLog.jpg')kernel = np.ones((5,5),np.float32)/25'''2D滤波函数。dst=cv2.filter2D(src,ddepth,kernel[,dst[,anchor[,delta[,borderType]]]])src:原图像dst:目标图像，与原图像尺寸和通过数相同ddepth: 目标图像的所需深度(-1表示输出图像与原图像有相同的深度)kernel: 卷积核，单通道浮点矩阵；如果要将不同的内核应用于不同的通道，请使用拆分将图像拆分为单独的颜色平面，然后单独处理它们。anchor: 内核的锚点，指示内核中过滤点的相对位置；锚应位于内核中。默认值(-1,-1)表示锚位于内核中心。detal: 在将它们存储在dst之前，将可选值添加到已过滤的像素中。类似于偏置。borderType: 像素外推法。'''dst = cv2.filter2D(img,-1,kernel)'''均值模糊'''blur = cv2.blur

图像处理之图像的平滑与锐化 概念： 锐化就是通过增强高频分量来减少图象中的模糊，因此又称为高通滤波。锐化处理在增强图象边缘的同时增加了图象的噪声。 平滑与锐化相反，就是滤掉高频分量，从而达到减少图象噪声，使图片变得有些模糊。 一、灰度化 灰度化，也就是黑白化，就是将图像进行黑白处理，使其失去色彩。而从像素点出发，就是使各个像素点的三种颜色分量R、G、B的值相同。 常用的黑白化的方法有三种： 第一种是最大值法(Maximum)： 第二种就是平均值法(Average)： 第三种是加权平均值法(Weighted Average)： 鉴于本人只使用了第二种，所以就先贴上第二种的代码： src=imread('background.bmp'); [m,n,channel]=size(src); desc=zeros(m,n); desc=double(desc); for i=1:m for j=1:n for k=1:channel desc(i,j)=desc(i,j)+src(i,j,k); end desc(i,j)=desc(i,j)/3; end end imshow(uint8(desc)); 二、锐化 锐化就是通过增强高频分量来减少图象中的模糊，因此又称为高通滤波。锐化处理在增强图象边缘的同时增加了图象的噪声。 常用的锐化模板是拉普拉斯(Laplacian)模板

1、主流颜色空间 RGB三通道彩色图，每个通道都是[0,255]，常用的三通道―>单通道，Gray=R*0.3+G*0.59+B*0.11 2、图像增强的目标 改善图像的视觉效果 转换为更适合人或机器分析处理的形式； 突出对人或机器分析有意义的信息 抑制无用信息，提高图像的使用价值 包括图像锐化、平滑、去躁、灰度调整（对比度增强） 3、图像处理方法 3.1 特征提取方法 直方图 3.2 空间域处理及其变换 来源: https://www.cnblogs.com/yqpy/p/11337369.html

1、 简单平滑-邻域平均法 图像简单平滑是指通过邻域简单平均对图像进行平滑处理的方法，用这种方法在一定程度上消除原始图像中的噪声、降低原始图像对比度的作用。 它利用卷积运算对图像邻域的像素灰度进行平均，从而达到减小图像中噪声的影响、降低图像对比度的目的。 2、 高斯平滑 高斯平滑也是邻域平均的思想对图像进行平滑的一种方法，高斯平滑与简单平滑不同，在高斯平滑中，不同位置的像素被赋予了不同的权重。 下图的所示的3*3和5*5领域的高斯模板。 模板越靠近邻域中心位置，其权值越高。在图像细节进行模糊时，可以更多的保留图像总体的灰度分布特征。下图是常用的四个模板： 3、 中值滤波 在使用邻域平均法去噪的同时也使得边界变得模糊。而中值滤波是非线性的图像处理方法，在去噪的同时可以兼顾到边界信息的保留。 选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把窗口中所含的像素点按灰度级的升或降序排列，取位于中间的灰度值来代替该点的灰度值。 常用的窗口还有方形、十字形、圆形和环形。不同形状的窗口产生不同的滤波效果，方形和圆形窗口适合外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。 4、 边界保持类滤波 均值 替换掉原来的值 中值 灰度来替代，上图中2,3,3中选择3即可。

平滑 1.简单模糊/均值滤波： 目标图像中每一个值都是源图像相应位置的核的平均值 均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。特别是椒盐噪声 2.中值滤波： 将源图像对应位置的核大小个像素进行排序，得到中值，最后将核矩阵的中心点赋值为这个中值。 椒盐噪声很好的被平滑，而且也没均值那样模糊化太过于严重。 少量具有较大偏差的点会严重影响滤波结果 3.高斯滤波 源图像对应位置的核中心为中心，将核参数呈现二维高斯波形，然后将核和源图像对应位置求卷积。 参考：https://www.cnblogs.com/charlee44/p/10592588.html 缺点：破坏了边缘信息。把边缘也模糊了 4.双边滤波 https://blog.csdn.net/qq_36359022/article/details/80198890 结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代、局部的特点。 双边滤波器的好处是可以做边缘保存（edge preserving），一般用高斯滤波去降噪，会较明显地模糊边缘，对于高频细节的保护效果并不明显。 openCV接口 void bilateralFilter( InputArray src,

1、主流颜色空间 RGB三通道彩色图，每个通道都是[0,255]，常用的三通道—>单通道，Gray=R*0.3+G*0.59+B*0.11 2、图像增强的目标 改善图像的视觉效果 转换为更适合人或机器分析处理的形式； 突出对人或机器分析有意义的信息 抑制无用信息，提高图像的使用价值 包括图像锐化、平滑、去躁、灰度调整（对比度增强） 3、图像处理方法 3.1 特征提取方法 直方图 3.2 空间域处理及其变换 来源： https://www.cnblogs.com/yqpy/p/11337369.html