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。在进行图像算法前，对图像进行滤波预处理往往会带来更好的效果。

大家在用美图秀秀美颜皮肤时是否想过其中的工作原理，或者在Photoshop中是否使用过模糊这个功能？这其中都应用到了图像滤波的原理。

图像滤波原理很简单，掌握了其中的卷积操作，也会对卷积神经网络的学习有一定帮助。

滤波有很多类型，包括线性滤波和非线性滤波，今天主要介绍线性滤波中的均值滤波。

---

均值滤波（Mean filter）

先看一组滤波前后的对比图片，左图为原图像，右图为进行均值滤波操作后的图像，

可以直观的感觉到经过均值滤波操作后的图像变得更模糊，这也就达到了噪声抑制的目的。

平均值滤镜是一个简单的滑动窗口空间滤镜，它用窗口中所有像素值的平均值（均值）代替了窗口中的中心值。窗口或内核通常是正方形，但也可以是任何形状。

均值滤波器在目标图像中滑动（卷积），用卷积核窗口中所有像素值的平均值替换目标像素值，卷积核一般是正方形，但也可以是任意形状，下图显示了N*N均值滤波卷积核：

均值滤波卷积核如下：

α代表了卷积核中点的个数（N*N个）

看不懂？没关系，看下面例子中的操作：

设一张5*5像素图中，3*3卷积核滑动到灰色窗口，则黑色像素的值为：

对所有点进行此类均值滤波操作即可得到最后的模糊图像。

均值滤波优缺点

均值滤波有操作简单，效率高，易于实现的优点，可以得到物体特征的粗略描述。

但它本身却存在固有的缺陷：

均值滤波不能很好地保护图像细节，在给图像去噪的同时也破坏了图像细节部分，丢失图像特征信息，想象一下用美图秀秀美颜时不光把皮肤瑕疵美化，还把眉毛去掉了是种什么样的体验？？？

而且均值滤波不能很好的去除噪声点，尤其是椒盐噪声。

在计算均值滤波时，同样可以利用积分图等方法进行预处理，可以通过O(1)时间复杂度获取像素和，使图像处理速度大大加快。

 

数字图像处理中还有许多其他种类的滤波器，会在接下来的文章中介绍。