空域处理

基本概念：

理论基础——线性系统响应：卷积理论

卷积的离散表达式，基本上可以理解为模板运算的数学表达式

由此，卷积的冲击响应函数h(x,y)，称为空域卷积模板。

空域滤波及滤波器的定义

       使用空域模板进行的图像处理，称为空域滤波。模板本身被称为空域滤波器。

输出图像中的每一个点，为输入图像中某个相关区域像素集的映射。

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：

基本的低通滤波：1. 滤波器模板系数设计 2.模板尺寸对滤波器效果的影响 3.低通空域滤波的缺点和问题 4.算法实现和提高效率

根据空域中低通冲激响应函数的图形来设计模板系数

如，选择高斯函数作为冲激函数

几种简单低通滤波器

（1）均值滤波器——局部平均法

从线性系统考虑，均值滤波器冲激响应函数为一个矩形：

矩形（箱形）低通滤波器

（2）加权平均滤波器

待处理像素点的值，等于其周围相邻像素的全体像素的加权平均值。

设计模板系数的原则：1）大于0；2）都选1，或中间选1，周围选0.5  3）通过求均值，解决超出灰度范围的问题。

模板尺寸越大，图像越模糊，图像细节丢失越多

低通空域滤波的缺点问题：如果图像处理的目的是出去噪声，那么，低通滤波在去除噪声的同时也平滑了边和尖锐的 细节

低通空域滤波特殊特征：在某些情况下，对图下个的低通滤波具有增强大尺度特征的作用。

采用均值滤波器进行平滑，然后进行二值化，提取特征。提取的特征和原图相比有差异。

非线性滤波器

1）中值滤波

用模板区域内像素的中值，作为结果值。

强迫突出的亮点（暗点）更像它周围的值，以消除孤立的亮点(暗点）

实现：将模板区域内的像素排序，求出中值。

优点：1.抑制噪声 2.在去除噪声的同时，可以比较好地保留边缘轮廓信息和图像的细节。

最大值/最小值滤波器同上原理。

2）锐化滤波器

1.加强图像中景物的边缘和轮廓

2.强调印刷中的细微层次。弥补扫描、网络对图像的平滑。

3.超声探测成像，分辨率低，边缘模糊，通过锐化来改善。

4.图像识别中，分割前的边缘提取

5.锐化处理恢复过度平滑、曝光不足的图像

6.图像创艺（只剩下边界的特殊图像）

7.尖端武器识别

 

高增益滤波