目錄
一、圖像噪點消除噪聲：
1、概念
2、均值濾波
3、方框濾波
4 、高斯濾波
5、中值濾波
6、雙邊濾波
7、總結
一、圖像噪點消除噪聲：
? ? ? ? 1、概念
????????指圖像中的一些干擾因素，通常是由圖像采集設備、傳輸信道等因素造成的，表現為圖像中隨機的亮度，也可以理解為有那么一些點的像素值與周圍的像素值格格不入。常見的噪聲類型包括高斯噪聲和椒鹽噪聲。高斯噪聲是一種分布符合正態分布的噪聲，會使圖像變得模糊或有噪點。椒鹽噪聲則是一些黑白色的像素值分布在原圖像中
????????濾波器：也可以叫做卷積核，與自適應二值化中的核一樣，本身是一個小的區域，有著特定的核值，并且工作原理也是在原圖上進行滑動并計算中心像素點的像素值。濾波器可分為線性濾波和非線性濾波，線性濾波對鄰域中的像素進行線性運算，如在核的范圍內進行加權求和，常見的線性濾波器有均值濾波、方框濾波、高斯濾波等。非線性濾波則是利用原始圖像與模板之間的一種邏輯關系得到結果，常見的非線性濾波器中有中值濾波器、雙邊濾波器等
濾波與模糊聯系與區別：
????????它們都屬于卷積，不同濾波方法之間只是卷積核不同（對線性濾波而言）
????????低通濾波器是模糊，高通濾波器是銳化
????????低通濾波器就是允許低頻信號通過，在圖像中邊緣和噪點都相當于高頻部分，所以低通濾波? ? ? ? ?器用于去除噪點、平滑和模糊圖像。高通濾波器則反之，用來增強圖像邊緣，進行銳化處理。
（注意：椒鹽噪聲可以理解為斑點，隨機出現在圖像中的黑點或白點；高斯噪聲可以理解為拍攝圖片時由于光照等原因造成的噪聲）
? ? ? ? 2、均值濾波
????????????????均值濾波是一種最簡單的濾波處理，它取的是卷積核區域內元素的均值，3×3的濾波核如下：
? ? ? ? 3、方框濾波
方框濾波跟均值濾波很像，如3×3的濾波核如下：
cv2.boxFilter(img, ddepth, ksize, normalize)ddepth：輸出圖像的深度，-1代表使用原圖像的深度
????????圖像深度是指在數字圖像處理和計算機視覺領域中，每個像素點所使用的位數，圖像深度決? ? ? ? ? ? 定了圖像能夠表達的顏色數量或灰度級
ksize：代表卷積核的大小，（ksize=3，則代表使用3×3的卷積核）
normalize：當normalize為True的時候，方框濾波就是均值濾波，上式中的a就等于1/9；? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?normalize為False的時候，a=1，相當于求區域內的像素和
（其濾波的過程與均值濾波一模一樣，都采用卷積核從圖像左上角開始，逐個計算對應位置的像素值，并從左至右、從上至下滑動卷積核，直至到達圖像右下角，唯一的區別就是核值可能會不同 ）
? ? ? ?4 、高斯濾波
高斯濾波是一種常用的圖像處理技術，主要用于平滑圖像、去除噪聲。它通過使用高斯函數（正態分布）作為卷積核來對圖像進行模糊處理
前面兩種濾波方式，卷積核內的每個值都一樣，也就是說圖像區域中每個像素的權重也就一樣。高斯濾波的卷積核權重并不相同：中間像素點權重最高，越遠離中心的像素權重越小
我們還是以3*3的卷積核為例，其核值如下所示：
得到了卷積核的核值之后，其濾波過程與上面兩種濾波方式的濾波過程一樣，都是用卷積核從圖像左上角開始，逐個計算對應位置的像素值，并從左至右、從上至下滑動卷積核，直至到達圖像右下角，唯一的區別就是核值不同
cv2.GaussianBlur(img, ksize, sigmaX)ksize：代表卷積核的大小，（ksize=3，則代表使用3×3的卷積核
sigmaX：就是高斯函數里的值，σx值越大，模糊效果越明顯。高斯濾波相比均值濾波效率要慢，但可以有效消除高斯噪聲，能保留更多的圖像細節，所以經常被稱為最有用的濾波器
? ? ? ? 5、中值濾波
中值又叫中位數，是所有數排序后取中間的值。中值濾波沒有核值，而是在原圖中從左上角開始，將卷積核區域內的像素值進行排序，并選取中值作為卷積核的中點的像素值
中值濾波就是用區域內的中值來代替本像素值，所以那種孤立的斑點，如0或255很容易消除掉，適用于去除椒鹽噪聲和斑點噪聲。中值是一種非線性操作，效率相比前面幾種線性濾波要慢
?
? ? ? ? 6、雙邊濾波
?模糊操作基本都會損失掉圖像細節信息，尤其前面介紹的線性濾波器，圖像的邊緣信息很難保留下來。然而，邊緣（edge）信息是圖像中很重要的一個特征，所以這才有了雙邊濾波
雙邊濾波的基本思路是同時考慮將要被濾波的像素點的空域信息（周圍像素點的位置的權重）和值域信息（周圍像素點的像素值的權重）。為什么要添加值域信息呢？是因為假設圖像在空間中是緩慢變化的話，那么臨近的像素點會更相近，但是這個假設在圖像的邊緣處會不成立，因為圖像的邊緣處的像素點必不會相近。因此在邊緣處如果只是使用空域信息來進行濾波的話，得到的結果必然是邊緣被模糊了，這樣我們就丟掉了邊緣信息，因此添加了值域信息。
雙邊濾波采用了兩個高斯濾波的結合，一個負責計算空間鄰近度的權值（也就是空域信息），也就是上面的高斯濾波器，另一個負責計算像素值相似度的權值（也就是值域信息），也是一個高斯濾波器
cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace)d：過濾時周圍每個像素領域的直徑
sigmaColor：在color space（色彩空間）中過濾sigma。參數越大，那些顏色足夠相近的的顏色的影響越大。較大的sigmaColor值意味著更大的顏色差異將被允許參與到加權平均中，從而使得顏色相近但不完全相同的像素也能夠相互影響
sigmaSpace：在coordinate space（坐標空間）中過濾sigma。這個參數是坐標空間中的標準差，決定了像素位置對濾波結果的影響程度。它定義了在圖像的空間域中，一個像素可以影響周圍像素的最大距離
關于2個sigma參數：
簡單起見，可以令2個sigma的值相等；
如果他們很小（小于10），那么濾波器幾乎沒有什么效果；
如果他們很大（大于150），那么濾波器的效果會很強，使圖像顯得非常卡通化。
關于參數d：
過大的濾波器（d>5）執行效率低。
對于實時應用，建議取d=5；
對于需要過濾嚴重噪聲的離線應用，可取d=9；
????????7、總結
????????????????在不知道用什么濾波器好的時候，優先高斯濾波，然后均值濾波。
????????????????斑點和椒鹽噪聲優先使用中值濾波。
????????????????要去除噪點的同時盡可能保留更多的邊緣信息，使用雙邊濾波。
????????????????線性濾波方式：均值濾波、方框濾波、高斯濾波（速度相對快）。
????????????????非線性濾波方式：中值濾波、雙邊濾波（速度相對慢）。
)
