itk中的数据平滑算法（除噪）

噪声：椒盐噪声；高斯噪声；泊松噪声；斑点噪声
目的：降低图像锐度，同时也会去除部分噪声，处理后导致图象模糊；
处理方法：邻域平均法、中值滤波法、多图象平均法，采用取平均值或中值的方法来模糊噪声；
图象边缘及噪声频率都在高频区，用低通滤波法来去噪声。

1.itkAntiAliasBinaryImageFilter：（ITK的抗混叠图像滤波？输出数据类型必须是 doubles or floats）
This filter implements a surface-fitting method for estimation of a surface from a binary volume.  This process can be used to reduce aliasing artifacts which result in visualization of binary partitioned surfaces.

typedef itk::AntiAliasBinaryImageFilter ImageFilterType; 
ImageFilterType::Pointer antiAliasFilter  = ImageFilterType::New ();
antiAliasFilter->SetInput(image);

2.itkBinaryMinMaxCurvatureFlowImageFilter：（ITK二进制最大最小曲率流滤波）
BinaryMinMaxCurvatureFlowImageFilter implements a curvature driven image  denosing algorithm. This filter assumes that the image is essentially  binary: consisting of two classes. Iso-brightness contours in the input  image are viewed as a level set. The level set is then evolved using  a curvature-based speed function:
CurvatureFlowImageFliter：保留边缘的平滑滤波器，要求输入为float，水平集思路，
DenseFiniteDifferenceImageFilter
CurvatureFlowFunction
MinMaxCurvatureFlowImageFilter
BinaryMinMaxCurvatureFlowImageFilter
3.itkMeanImageFilter
均值滤波：是把每个像素都用周围的8个像素来做均值操作，幅值近似相等且随机分布在不同位置上，这样可以平滑图像，速度较快，算法简单。但是无法去掉噪声，只能微弱的减弱它。

typedef itk::MedianImageFilterFilterType;
FilterType::PointermedianFilter=FilterType::New();
FilterType::InputSizeTyperadius;
radius.Fill(2);
medianFilter->SetRadius(radius);
medianFilter->SetInput(input_data);

4.itkMedianImageFilter
中值滤波：常用的非线性滤波方法 ,也是图像处理技术中最常用的预处理技术。它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘，选择适当的点来替代污染点的值，所以处理效果好。其中加权中值滤波能够改进中值滤波的边缘信号，使其良好保持效果。

typedef itk::MeanImageFilter filterType;
filterType::Pointer meanFilter = filterType::New();
meanFilter->SetInput( input_data);

5.itkBinomialBlurImageFilter：（??? 这什么啊，为毛不是高斯滤波？）
itkDiscreteGaussianImageFilter
itkSmoothingRecursiveGaussianImageFilter
6.itkBilateralImageFilter：双边滤波器（个人觉得就是加强版高斯滤波，又见高斯）

难怪直觉这么熟悉，直接应用在美颜功能中的磨皮啊~

“滤波器由两个函数构成，一个函数有几何空间距离决定滤波器系数（空间域），另外一个有像素差值决定滤波器系数（值域）。类似的有高斯低通滤波器（空间域）和a-截尾均值滤波器（值域）。比高斯滤波多了一个高斯方差sigma－d，保边去噪，在边缘附近，离的较远的像素不会太多影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。”

由于个人日常工作中需要处理的目标都是小目标，数据平滑并不怎么用，为什么呢？不敢啊，一平滑，小目标都smooth掉了，~~~~(>_<)~~~~，在医学图像处理中，如果你的目标是骨头，脑，肝脏，肾脏等大一些的器官，不妨试试上述中的平滑滤波器，这么多，总有一款合适你。

---

参考文献：

1. https://itk.org/Wiki/ITK/Examples

2. http://blog.csdn.net/jorg_zhao/article/details/51328966

3. http://www.cnblogs.com/walccott/p/4957108.html

4. http://www.cnblogs.com/Robin-D-Chow/archive/2013/12/27/3494324.html