【2019年整理】机器视觉图像预处理之线性滤波器.docxVIP

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 图5.4被喜斯声所污染的图象3）原始田象鬲斯嗓声 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 .特别典型的是，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 (5.9)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