[Halcon 圖像] 圖像濾波算法原理

對目標圖像的噪聲進行抑制，去噪分為時域去噪和頻域去噪，是圖像預處理中不可缺少的操作，其處理效果的好壞將直接影響到后續圖像處理和分析的有效性和可靠性。常見的濾波方式

對目標圖像的噪聲進行抑制，去噪分為時域去噪和頻域去噪，是圖像預處理中不可缺少的操作，其處理效果的好壞將直接影響到后續圖像處理和分析的有效性和可靠性。常見的濾波方式有均值濾波、中值濾波、高斯濾波等。

（1）均值濾波—mean_image

理想的均值濾波是用每個像素和它周圍像素計算出來的平均值替換圖像中每個像素。
? ? ? ?從頻率域觀點來看均值濾波是一種低通濾波器（讓圖像的低頻部分通過，通常弱化邊緣，會得到比較平緩的圖像），高頻信號將會去掉，因此可以幫助消除圖像尖銳噪聲，實現圖像平滑，模糊等功能。因為此方法不能很好地保護圖像細節，在圖像去噪的同時也破壞了圖像的細節部分，從而使圖像變得模糊。采樣Kernel數據通常是3X3的矩陣，如下表示：

? ? ? ?從左到右從上到下計算圖像中的每個像素，最終得到處理后的圖像。均值濾波可以加上兩個參數，即迭代次數，Kernel數據大小。一個相同的Kernel，但是多次迭代就會效果越來越好。同樣，迭代次數相同，Kernel矩陣越大，均值濾波的效果就越明顯。

優勢：消除尖銳噪聲，實現圖像平滑，模糊等功能。

（2）中值濾波—median_Image

特別是消除椒鹽噪聲，中值濾波的效果要比均值濾波更好。它的基本原理是計算出數字圖像中的一點的一個鄰域中的各點值的中值（中間值），并使用該中值將將該點原值代替。可以理解為使用一個窗口沿圖像移動，用窗口內所有象素灰度的中值來代替窗口中心位置的象素灰度。窗口根據需要定義，可以是3* 3，5 *5的方形、十字形或者圓形等。

優勢：消除椒鹽噪聲。

椒鹽噪聲如圖所示：

（3）高斯濾波—gauss_image

可以理解為用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內像素的加權平均灰度值去替代模板中心像素點的值。

優勢：消除高斯噪聲。

高斯噪聲如圖所示

產生原因：

• 圖像傳感器在拍攝時市場不夠明亮、亮度不夠均勻；
• 電路各元器件自身噪聲和相互影響；
• 圖像傳感器長期工作，溫度過高。

?

---

戳戳小手幫忙點個免費的贊和關注吧，嘿嘿。