图像滤波

图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，同时会造成图像一定程度上的模糊，这也叫做平滑或者低通滤波。无论是均衡化直方图和图像滤波，都一定程度上降低了图像阈值分割的难度，直方图增强图像内的对比度，图像滤波消除图像内的噪声干扰。进行平滑时，邻域内不同位置的像素被赋予不同的权值，对图像进行平滑的同时能够更多的保留图像的总体灰度分布特征。图像滤波是图像预处理中的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。

图像滤波目的

图像滤波的两个目的是提取特征（抽出对象的特征作为图像识别的特征模式）和清除噪声（为适应图像处理的要求，消除图像数字化时所混入的噪声）。滤波处理的两个基本要求为无损信息（不能损坏图像的轮廓及边缘等重要信息）和图像清晰（使图像清晰视觉效果好）。图像平滑的两类目的：模糊+消除噪音。平滑滤波是低频增强的空间域滤波技术。空间域的平滑滤波，一般采用简单平均法进行，就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小。

噪声分类

噪声一般可以分为高斯噪声和椒盐噪声，那高斯噪声和椒盐噪声有什么区别呢？

高斯噪声是指噪声服从高斯分布，即某个强度的噪声点个数最多，离这个强度越远噪声点个数越少，且这个规律服从高斯分布。高斯噪声是一种加性噪声，即噪声直接加到原图像上，因此可以用线性滤波器滤除。

 椒盐噪声类似把椒盐撒在图像上，因此得名，是一种在图像上出现很多白点或黑点的噪声，如电视里的雪花噪声等。椒盐噪声可以认为是一种逻辑噪声，用线性滤波器滤除的结果不好，一般采用中值滤波器滤波可以得到较好的结果。

图像示例

高斯噪声

椒盐噪声