图像滤波与增强

图像滤波与增强通过修改像素值来抑制噪声、锐化细节，或以其他方式改善图像以供查看或进一步分析。

Definition

图像滤波是根据规则将每个像素与其邻域像素结合进行图像变换，而增强是利用此类变换来改善感知或分析质量。

Scope

本主题涵盖通过卷积进行的线性滤波，包括高斯平滑和锐化、频域中的滤波器分析、中值滤波和双边滤波等保留边缘的非线性滤波器、基于直方图的对比度增强，以及去噪与细节保留之间的权衡。

Core questions

• 如何在不模糊重要细节的情况下降低噪声？
• 滤波器在频域中如何表现？
• 非线性滤波器何时优于线性滤波器？
• 如何改善图像对比度？

Key concepts

• 卷积核
• 高斯平滑
• 频域滤波
• 中值滤波
• 双边滤波
• 直方图均衡化

Key theories

线性卷积滤波

图像与卷积核进行卷积可以实现平滑、锐化和边缘增强，卷积定理将这些空间操作与频域中的乘法联系起来，阐明了每个滤波器衰减或放大哪些频率。

边缘保留滤波

双边滤波器根据空间接近度和强度相似度对邻近像素进行加权平均，在区域内平滑噪声，同时保持强边缘完整，这与普通高斯模糊不同。

Clinical relevance

滤波和增强在医学图像准备、摄影和智能手机相机、遥感中是常规操作，并作为预处理步骤，提高了后续检测和识别的可靠性。

History

线性滤波理论从经典信号处理延续到20世纪70年代的数字图像处理；双边滤波等保留边缘的非线性滤波器出现于20世纪90年代末，并影响了后来的计算摄影。

Key figures

• Carlo Tomasi
• Roberto Manduchi

Seminal works

• gonzalez2018
• tomasi1998

Frequently asked questions

为什么模糊可以减少噪声？

随机噪声在像素之间变化迅速，将每个像素与其邻域像素进行平均可以消除大部分这种变化，尽管除非使用边缘保留滤波器，否则它也会软化真实的细节。

直方图均衡化有什么作用？

它重新分布像素强度，使其更均匀地分布在可用范围内，从而增加对比度并揭示看起来过暗、过亮或平坦的图像中的细节。