halcon图像滤波：均值滤波&中值滤波&高斯滤波

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，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。

图像滤波的主要目的：为了消除图像中混入的噪声，并且为图像识别抽取出图像特征。 滤波处理的要求:一是不能损坏图像的轮廓及边缘等重要信息;二是使图像清晰视觉效果好。

Halcon算子与算法原理

平滑滤波器用于模糊处理和降低噪声。模糊处理经常用于预处理任务中，如在提取大型目标前去除图像中的一些琐碎细节，以及桥接直线或曲线的缝隙。

（1）均值滤波： mean_image

均值滤波是一种线性滤波器，即将一个窗口区域中的像素计算平均值，然后将窗口中计算得到的均值设置为锚点上的像素值。 均值滤波是对所有输入图像(图像)的灰度值进行线性平滑。过滤器矩阵由1(计算相等)和大小Mask Height x Mask Width。卷积的结果除以掩码高度x掩码宽度。对于边界处理，将灰度值反射到图像边缘。 均值滤波中的任意一点的像素值，都是周围N/times M个像素的均值。

优点：对图像内部的噪声及模糊图像有很好的作用。

缺点：使用均值滤波计算均值会将图像中的边缘信息与特征信息“模糊”掉，丢失很多特征。

（2）中值滤波：median_image

中值滤波是一种非线性滤波，在处理脉冲噪声以及椒盐噪声时效果极佳，能够有效的保护好图像的边缘信息。

中值滤波的基本原理是让图像中某点临近的像素按照大小排序，取排序像素集中位于中间位置的值作为中值滤波后的像素值。换句话说，可以理解为一个窗口沿着图像移动，然后将把窗口中所含的像素点按灰度级的升或降序排列，用位于中间的灰度值来代替该点的灰度值。

优点：对单个噪声有很好的平滑作用，尤其是椒盐噪声。
（3）高斯滤波:gauss_image

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。 图像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，在图像高斯平滑中，对图像进行平均时，不同位置的像素被赋予了不同的权重。高斯平滑与简单平滑不同，它在对邻域内像素进行平均时，给予不同位置的像素不同的权值。

优点：可以消除高斯噪声