空间滤波增强

前段时间总结了图像噪声的分类及分布，然后出去玩了几天。现在接着前面的内容继续学习。图像噪声是引起图像降质的重要原因，改善降质的图像有两类方法，一类是图像增强，即不考虑图像降质的原因，只将图像中感兴趣的部分加以处理或突出有用的图像特征，故改善后的图像不一定要去逼近原图像，主要是提高图像的可懂度。另一类方法是图像复原技术，需要针对图像降质的具体原因，补偿降质因素，使改善后的图像尽量逼近原图像。

这里先学习图像增强处理。图像增强方法可分为空间域法与频域法，而空间域法有可分为点操作（灰度变换）和邻域/模板操作（空间滤波）。前面几篇文章介绍的直方图处理就属于点操作，因此这里主要学习邻域/模板操作，即空间滤波方法。

（1）模板操作和卷积运算

空间滤波是利用图像模板进行邻域操作完成的，模板操作是数字图像处理中常用的一种运算方式。如下所示：

上式有点类似于矩阵，通常称之为模板。模板操作的含义是：将模板盖在原图像上，使模板中心对应要处理的像素，然后将需要处理的像素及其八邻域像素，分别与模板对应的像素相乘再求和，得到的值作为待处理像素的新值。接着重复该操作，使模板不断划过原图像中每个像素，就得到一幅新的图像。

模板操作实现了一种邻域运算，即某个像素点的值不仅和本像素点相关，而且还和其邻域点的值相关。事实上，模板运算的数学含义就是大名鼎鼎的卷积运算。因为同样都是作加权求和的过程。模板就相当于卷积运算中的卷积核。然而，在模板操作（卷积运算）中，还存在一些问题:

1. 图像边界问题。当移动模板至图像边界时，此时待处理像素点没有完整邻域，因此无法计算原图像四条边上的像素值。解决的办法有多种，较简单的是忽略图像边界数据。

2. 新像素值的动态范围问题。加权求和得到的值通常大于原像素值，这就需要将求和结果乘以一个衰减因子，最后将结果限制在0~255之间保存在结果中。

（2）空域滤波器功能分类

各种空间滤波器根据功能可以分为平滑的和锐化的。图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。