机器视觉图像预处之线性滤波器.docVIP

机器视觉图像预处理之线性滤波器 图像常被强度随机信号(也称为噪声)所污染.一些常见的噪声有椒盐(Salt Pepper) 噪声、脉冲噪声、高斯噪声等.椒盐噪声含有随机出现的黑白亮度值.而脉冲噪声则只含有随机的白强度值(正脉冲噪声)或黑强度值(负脉冲噪声).与前两者不同，高斯噪声含有亮度服从高斯或正态分布的噪声(如图5.4所示）.高斯噪声是许多传感器噪声的很好模型， 例如摄像机的电子干扰噪声。 线性平滑滤波器去除高斯噪声的效果很好，且在大多数情况下，对其它类型的噪声也 有很好的效果.线性滤波器使用连续窗函数内象素加权和来实现滤波.特別典型的是，同一模式的权重因子可以作用在每一个窗口内，也就意味着线性滤波器是空间不变的，这样就可以使用卷积模板来实现滤波.如果图像的不同部分使用不同的滤波权重因子，且仍然可以用滤波器完成加权运算，那么线性滤波器就是空间可变的.任何不是象素加权运算的滤波器都属于非线性滤波器.非线性滤波器也可以是空间不变的，也就是说，在图像的任何位置上可以进行相同的运算而不考虑图像位置或空间的变化.5.4节中所提出的中值滤波器就是空间不变的非线性滤波器.下面主要介绍两种线性滤波器，均值滤波器和高斯滤波器。 5.3.1均值滤波器 最简单的线性滤波器是局部均值运算，即每一个象素值用其局部邻域内所有值的均值置换 其中，M是邻域N内的象素点总数.例如，在象素点[i