matlab图像的空域滤波增强处理,空域滤波的基本原理简介

空域滤波的基本原理简介

⑴ 图像增强的概念和分类

图象增强技术的主要目标是，通过对图象的处理，使图象比处理前更适合一个特定的应用，比如去除噪音

等，来改善一幅图像的视觉效果。

图像增强的方法分为两大类：空间域图像增强和频域图像增强，而我们这里所要介绍的均值滤波，中值滤

波，拉普拉斯变换等就是空间域图像增强的重要内容。

⑵ 空域滤波的概念和分类

使用空域模板进行的图像处理，被称为空域滤波。模板本身被称为空域滤波器。

空域滤波的机理就是在待处理的图像中逐点地移动模板，滤波器在该点地响应通过事先定义的滤波器系数

与滤波模板扫过区域的相应像素值的关系来计算。

空域滤波可以按照以下关系进行分类：

⑴ 从数学形态上可以把空域滤波器分为线性滤波器和非线性滤波器：

线性滤波器是线性系统和频域滤波概念在空域的自然延伸。其特征是结果像素值的计算由下列公式定义：

R = w1z1 + w2z2 + … + wnzn

其中：wi   i = 1,2, … ,n 是模板的系数

zi   i = 1,2, … ,n 是被计算像素及其邻域像素的值

线性滤波器又可以分为高通，低通和带通滤波器。

非线性滤波器使用模板进行结果像素值的计算，结果值直接取决于像素邻域的值，而不与线性乘积和无关

，它包括中值滤波，最大最小值滤波器等等。

⑵ 从处理效果上可以把空域滤波器分为平滑空间滤波器和锐化空间滤波器：

平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用。

锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。

⑷ 线性滤波器之低通均值滤波

平滑线性空间滤波器的输出响应是包含在滤波模板邻域内像素的简单平均值。因此这些滤波器也称为

均值滤波器。根据前面的介绍，它们指的都是低通滤波器。

均值滤波用领域的均值代替像素值，减小了图像灰度的尖锐变化。由于典型的随机噪声就是由这种尖

锐变化组成，因此均值滤波的主要应用就是减噪，即除去图像中不相干的细节，其中“不相干”是指与滤

波模板尺寸相比较小的像素区域。但是图像边缘也是由图像灰度尖锐变化带来的特性，因而均值滤波总是

存在不希望的边缘模糊的负面效应。

均值滤波器可以衍生出另一种特殊的加权均值滤波器，用不同的系数乘以像素，这样，从权值上看，

一些像素比另一些更重要。如，处于模板中心位置的像素比其他任何像素的权值都要大，正交方向相邻的

像素比对角项的权值大。

⑸ 非线性滤波器之中值滤波

统计滤波器是一种非线性空间滤波器，它的响应基于图像滤波器包围的图像区域中像素的排序，然后

由统计排序的结果决定的值代替中心像素的值。最常见的例子就是中值滤波器，它比小尺寸的线性平滑滤

波器的模糊程度明显要低，对处理脉冲噪声(椒盐噪声)非常有效。中值滤波器的主要功能是使拥有不同

灰度的点看起来更接近于它的邻近值，去除那些相对于其邻域像素更亮或更暗，并且其区域小于滤波器区

域一半的孤立像素集。

⑹ 空域滤波处理时的图像轮廓边缘情况考虑

模板在在源图像中移动的过程中，当模板的一条边与图像轮廓重合后，模板中心继续向图像边缘靠近

，那么模板的某一行或列就会处于图像平面之外，此时最简单的方法就是将模板中心点的移动范围限制在

距离图像边缘不小于(n－1)/2个像素处，单处理后的图像比原始图像稍小。如果要处理整幅图像，可以

在图像轮廓边缘时用全部包含于图像中的模板部分来滤波所有图像，或者在图像边缘以外再补上一行和一

列灰度为零的像素点(或者将边缘复制补在图像之外)。

⑺ 空域滤波之去除离散点

用上面提到的均值滤波，中值滤波等对去除一定特性的噪声会比较有效，除此之外我们还可以用几何

方法来去除离散噪声。考虑一幅二值图像，对每个黑点我们以递归的方法从上下左右以及左上、右上、左

下、右下八个方向搜索连续的黑点，如果某个方向连续黑点的数目满足规定的长度，我们就认为该点不是

离散点，否则认为该点是离散点而去除掉(把黑点改为白点)。