4滤波是典型的模版操作

特点：

利用像素本身及其邻域像素的灰度关系进行增强

按照功能分类：

平滑滤波

可以减弱或消除图像中的高频分量，但不影响低频分量，主要用于消除噪声；

锐化滤波可以减弱或消除图像中的低频分量，但不影响高频分量，主要用于增强被模糊的细节或目标的边缘。

也可以按照数学形式分为线性和非线性滤波。

5典型的空域滤波器

1线性平滑滤波器

2邻域平均滤波器

3每一个像素值用其局部邻域内所有值的均值置换

4邻域加权平均滤波器（高斯滤波器是典型）

5每一个像素值用其局部邻域内所有值的加权均值置换

6非线性平滑滤波器

7中值滤波

8用其局部邻域内所有值排序后的中间值置换

9边缘保持滤波

10先计算子邻域的均匀度值，然后取均匀度值最小的子邻域的均值代替当前点的灰度值。

滤波效果分析：

线性平滑滤波器去除高斯噪声的效果很好，且在多数情况下，对其它类型的噪声也有很好的效果，但是，线性平滑滤波器在去除了噪声的同时，也丢掉了图像中的锐化细节。

中值滤波在一定条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰即图像扫描噪声最为有效；但是对一些细节多，特别是线、尖顶等细节多的图像不宜采用中值滤波。

目前很多计算机领域的博士教授就在这些方面发文章，最近看了检索了很多，发现很搞笑的事情，一个图像分割，一位老师发了个算法：自上而下，又检索到一篇一个发的自下而上，昨天检索到一篇：从中间到俩边。

比起创新性，中国人确实牛逼，可是着眼点也太那个啥了，扯点闲的啊。

项目中我把我完成的工作给大家汇报一下：

我主要参与了目标表达的编程，我先把这个概念给大家讲一下，

通过图象分割得到了图像中感兴趣的区域，即目标，图象中的目标都是连同组元。

为有效地刻画目标，需要对它们采取合适的数据结构进行表达，采用适当的形式描述它们的特性，并从目标获得一定量的数据以便进行分析。

如果比较关心区域的反射特性，如灰度、颜色、纹理等，常选用内部表达；如果比较关心区域的形状则常用外部表达法。

方法：

对目标的表达和描述方法分为三类：

基于边界的表达

链码、边界段、多边形逼近、边界标记、地标点

基于区域的表达

空间占有数组、四叉树、金字塔、围绕区域、骨架

基于变换的表达

线性表达方法，包括：

单一尺度：傅立叶变换、余弦变换、Z变换

多尺度：Gabor变换、小波变换

非线性表达方法

哈夫变换、数学形态学、时频分布