1 图像的类型

二进制图像：

灰度图像：

彩色图像：

2 任务：图像去噪

噪声点让我们看得难受是因为噪声点与周边像素差别很大

3 均值

滤波核= 卷积核

4 卷积操作

对应相乘再累加起来

卷积核记录了权值，把权值套到要卷积的目标图上，对应相乘

5 卷积的特性

线性和平移不变形

因为实际使用的时候卷积核是对称的，因此不要求翻转

真实运算的时候，对于没有像素的位置，要做填充，否则无法计算卷积，
最简单的办法，填充0。

填充是希望输入输出有固定的大小

6 卷积的应用

不变

左移

平滑降噪

锐化

7 振铃效应

离我近的点权值大、远的点权值小

8 高斯核

产生高斯卷积核的步骤：
①指定窗宽
②指定方差$\sigma$
③归一化

9 高斯核参数

方差的影响：方差越大，自己的权值占比就越小，平滑的结果越强
方差固定，窗宽越大，归一化计算的分母就大，权值就小，平滑就更厉害

10 高斯核总结

滤除高频

一个大高斯核的卷积效果可以由两个小高斯卷积核连续操作得到

高斯核可以分解

分解性质有什么作用？

计算复杂度降低

11 噪声

高斯滤波对椒盐噪声效果并不好

12 中值滤波

把这些值从小到大排序，然后选取中值

中值滤波不改变整体形状

13 拉普拉斯高斯