图形滤波概念

滤波实质上就是对图像进行卷积运算。而卷积的运算能够分为反转、平移，相乘，求和。
在图像处理中，图像是一个大矩阵，卷积模板是一个小矩阵。按照上述过程，就是先把小矩阵反转，而后平移到某一位置，小矩阵的每个小格
对应大矩阵里面的一个小格，而后把对应小格里面的数相乘，把全部对应小格相乘的结果相加求和，得出的最后结果赋值给小矩阵中央小格对应
的图像中小格的值，替换原来的值。就是上述说到的，反转、平移、相乘、求和。
通常图像卷积就是从第一个像素（小格）开始遍历到最后一个像素（小格）。以后的平滑、模糊、锐化、边缘提取等本质上都是卷积，只是模板
不一样。
了解以上以后，就很好理解了。均值滤波就是对模板对应的图像像素求均值而后赋值给模板中心对应的那个像素值。高斯滤波模板是二维高斯函
数的离散化表示，高斯函数就是咱们熟悉的正态分布。因此能够知道模板是中心值大，而越往外越小，高斯模板就是按照高斯函数递减的模板。

若是把模板小矩阵的每个元素视为一个权值的话，均值滤波就是全部元素权值相等，高斯滤波就是中心点权值最大，越往外所占越小。比平均
滤波的好处是能够突出重点。

**********************************************

高斯滤波、均值滤波、中值滤波各自的优缺点 

高斯滤波
因为高斯函数的傅立叶变换还是高斯函数, 所以高斯函数能构成一个在频域具备平滑性能的低通滤波器。能够经过在频域作乘积来实现高斯滤波。均值滤波是对是对信号进行局部平均, 以平均值来表明该像素点的灰度值。矩形滤波器(Averaging Box Filter)对这个二维矢量的每个份量进行独立的平滑处理。经过计算和转化 ,获得一幅单位矢量图。这个 512×512的矢量图被划分红一个 8×8的小区域 ,再在每个小区域中 ,统计这个区域内的主要方向 ,亦即将对该区域内点方向数进行统计,最多的方向做为区域的主方向。因而就获得了一个新的64×64的矢量图。这个新的矢量图还能够采用一个 3×3模板进行进一步的平滑。

均值滤波
把每一个像素都用周围的8个像素来作均值操做。能够平滑图像，速度快，算法简单。可是没法去掉噪声，这能微弱的减弱它。

中值滤波
经常使用的非线性滤波方法 ,也是图像处理技术中最经常使用的预处理技术。它在平滑脉冲噪声方面很是有效,同时它能够保护图像尖锐的边缘。加权中值滤波可以改进中值滤波的边缘信号保持效果。但对方向性很强的指纹图像进行滤波处理时 ,有必要引入方向信息,即利用指纹方向图来指导中值滤波的进行。

 

补充

高斯模糊是低通滤波的一种，也就是滤波函数是高斯函数，因为理想低通滤波会带来振铃现象，因此每每采用巴特尔茨或者高斯函数做为滤波函数。
高斯滤波是指用高斯函数做为滤波函数，至因而不是模糊，要看是高斯低通仍是高斯高通，低通就是模糊，高通就是锐化。