图像处理之平滑滤波、高斯滤波和中值滤波

图像的滤波概念

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，是图像预处理中不可缺少的操作，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。
滤波图解

常见的去燥方式有平滑滤波，高斯滤波和中值滤波。

平滑滤波

叠加在有用数据上的随机噪声在很多情况下可以近似地认为是白噪声。白噪声具有一个很重要的统计特性，即它的统计平均值为零。因此可以求平均值的办法来消除随机误差，这就是所谓平滑滤波。

1. 算术平均滤波法
   算术平均滤波法适用于对一般的具有随机干扰的信号进行滤波。这种信号的特点是信号本身在某一数值范围附近上下波动，如测量流量、液位时经常遇到这种情况。
2. 递推平均滤波法
   算术平均滤波方法每计算一次数据，需测量N次，对于测量速度较慢或要求数据计算速率较高的实时系统，则无法使用。
   递推平均滤波法：在存储器中，开辟一个区域作为暂存队列使用，队列的长度固定为N，每进行一次新的测量，把测量结果放入队尾，而扔掉原来队首的那个数据，这样在队列中始终有个“最新”的数据。
   
   图中五分之一

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。高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。是一种有效的去燥方式

中值滤波

由有N个奇数个的像素值组成的数据集，通过对像素值进行从小到大的顺利来排序得到中间值，然后替换原数据中的中间位置的值，可以如此重复的进行多次得到最后滤波后的数据
对椒盐噪声由很好的效果

参考：https://blog.csdn.net/c11556913/article/details/80152278
参考：屈老师课程