机器视觉图像预处理之线性滤波器.docVIP

机器视觉图像预处理之线性滤波器 该方程与方程(5.6)对比，对于卷积模板中的每一点[i，j],有g [i，j]= 1/9,那么方程(5.6) 就退化成方程(5.10)所示的局部均值运算.这一结果表明，均值滤波器可以通过卷积模板的等权值卷积运算来实现（见图5.5).实际上，许多图像处理运算都可以通过卷积来实现， 邻域N的大小控制着滤波程度，对应大卷积模板的大尺度邻域会加大滤波程度.作为去除大噪声的代价，大尺度滤波器也会导致图像细节的损失.不同尺度下均值滤波的结果见图5.6. 在设计线性平滑滤波器时，选择滤波权值应使得滤波器只有一个峰值，称之为主瓣， 并且在水平和垂直方向上是对称的.一个典型的3×3平滑滤波器的权值模板如下: 线性平滑滤波器去除了高频成分和图像中的锐化细节，例如：会把阶跃变化平滑成渐近变化，从而牺牲了精确定位的能力。空间可变滤波器能调节权值，使得在相对比较均匀的图像区域上加大平滑量，而在尖锐变化的图像区域上减小平滑量。 5.3.2 高斯平滑滤波器 高斯平滑滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器，高斯平滑滤波器对去除服从正态分布的噪声是很有效的，一维零均值高斯函数为 其中，高斯分布参数a决定了高斯滤波器的宽度，对图像处理来说，常用二维零均值离散高斯函数作平滑滤波器，这种函数的图形如图5.7所示，函数表达式为 高斯函数具有五个重要的性质，这些性质使得它在