图像增强之空间域滤波（1）---Enhancement by Spatial Filtering
目录
Table of Contents
低通高斯滤波器（Lowpass Gaussian Filter Kernel）
空间域滤波操作是图像增强的常用方法，即选用不同形式的滤波器（filter/ kernel）来对图像做二维卷积操作。空间域卷积表现为图像像素值对滤波器的冲激响应结果。
空间域滤波
空间域滤波器用一个矩阵来表示，例如：
滤波器可以大致分为三类：
- low-pass filter
- high-pass filter
- band-pass filter
空间域滤波操作
平滑滤波器（Smoothing Filter）
低通滤波器（Lowpass Filter ）
低通滤波器kernel大小对图像平滑程度的影响：
低通高斯滤波器（Lowpass Gaussian Filter Kernel）
高斯核（Guassian Kernel）
对比：
中值滤波（Median Filter）
- 如果滤波操作的目的是去噪而不是模糊或平滑，中值滤波操作优势明显；
- 中值滤波对强、椒盐噪声明感，可以在去噪的同时保留边缘高频细节，不至于使边缘模糊；
- 中值滤波是非线性操作；
- 基本思路：对图像上的每一个像素值，我们将它和它领域内的像素值进行从小到大排序sort（），取统计来的观察窗内的像素值的中位数给当前像素赋值。
锐化滤波器（Sharpening Filter）
平滑滤波器可以看做是滤波核与像素值得卷积平均，如果要将图像锐化，相反地，应当对图像像素做微分操作，而图像像素值是离散的，微分用差分代替。
一阶微分滤波器
Sobel operator
二阶微分算子（拉普拉斯算子）
拉普拉斯算子图像锐化操作
- 拉普拉斯算子是一种二阶微分算子，它用于突显图像中的锐化梯度过渡部分。
- 有效增强亮度较暗图像的边缘、线条、特征轮廓；
- 将拉普拉斯算子求得的边缘轮廓信息与原始信息融合，得到了既包含背景细节也突出轮廓边缘信息的增强图像。
双边滤波器（Bilateral Filter）
高斯平滑优缺点：
- 高斯滤波器是一种平滑效果很好的滤波器；
- 然而，在很多应用场景中，我们在要求图像平滑的同时，也要保留图像的边缘细节，例如：去噪；
总结：