图像处理学习笔记（1）——图像滤波（补充更新）

图像滤波

图像的频率代表了图像颜色变化的剧烈程度。
低频分量：一幅图中，颜色变化缓慢的部分就叫做低频部分。通常低频是描述图像的主要部分。
高频分量：一幅图中，颜色变化剧烈的部分就叫做高频部分。通常高频是描述图像的边缘、细节或者是噪声。

均值滤波

均值滤波是指任意一点的像素值，都是周围N×M个像素值的均值。例如下图中，红色点的像素值是其周围蓝色背景区域像素值之和除25，25=5×5 是蓝色区域的大小。
并且，5×5的矩阵称为核，针对原始图像内的像素点，采用核进行处理，得到结果图像。
随着核大小逐渐变大，会让图像变得更加模糊。
如果设置为核大小为（1，1），则结果就是原始图像。

中值滤波

中值滤波是非线性的图像处理方法，在去噪的同时可以兼顾到边界信息的保留。选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把窗口中所含的像素点按灰度级的升或降序排列，取位于中间的灰度值来代替该点的灰度值。
随着核大小逐渐变大，会让图像变得更加模糊。
核必须是大于1的奇数，如3、5、7等。

高斯滤波

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。
随着核大小逐渐变大，会让图像变得更加模糊。
核大小（N, N）必须是大于1的奇数，如3、5、7等。

效果图

均值滤波效果图，核为（5,5）：

中值滤波效果图，核为（5,5）：

高斯滤波效果图，核为（5，5）：

参考文章：

https://blog.****.net/zaishuiyifangxym/article/details/89788020