文档介绍：(x,y)的邻域上。(基于邻域处理的增强方法)羁薈空间滤波的计算步骤:,将该像素m×n邻域内的灰度值与对应的滤波器系数相乘,得到的结果作为该中心像素滤波后的值。,:(原理)计算包含在滤波器内所有相邻像素的平均值。螃(特性)莁(作用)减少图像灰度的“尖锐”变化,减少噪声。即滤掉了高频信肁号,因此也被称之为低通滤波器荿滤波器尺寸大小对于图像平滑的影响:尺寸越大,平滑效果越差。:是一种非线性滤波器,基于滤波器所在图像区域内像素的排序,用排序结果决定的值来代替中心像素的值莄分类膁中值滤波器:(原理)用滤波器区域内所有像素的中间值,作为结果值来代替中心像素值,强迫滤波器区域内突出的亮点(暗点)更像它周围的值,以消除孤立的亮点(暗点)蒆(作用)去除噪声***::芀4,拉普拉斯定义:袇蚅作用:拉普拉斯算子作用:高通滤波器。突出边缘信息,:(定义,作用,计算):(定义)将函数f(x)分解为各个频率组件,即它是一个函数在频率域上的分解过程袅特性:对于任何一个函数,给定它的傅立叶变换,经过反变换,可以重建该函数螄性质:薀平移特性:函数f(x,y)与一个指数项相乘,相当于把其傅立叶变换后的原点从点(0,0)平移到点(u0,v0)。函数F(u,v)与一个指数项相乘,相当于把其反傅立叶变换后的原点从点(0,0)平移到点(x0,y0)。对于f(x,y)的平移不影响其傅立叶转换的幅值袆原点平移:薇蒃分配律::羄芁尺度变换的相反效应:当空间尺度变大时,相应的频率尺度会成比例的变小蚀其他:旋转性,周期性,共轭对称性(表明傅立叶变换的是关于原点对称的)分离性,平均值,卷积理论,卷积是空间域滤波和频率域滤波之间连接的纽带,相关性理论(应用:匹配):(x)乘以(-1)x+y(实现傅立叶转换的原点平移)(x)(-1)x+y的傅立叶转换F(u,v)(u,v)乘以F(u,v):G(u,v)=F(u,v)H(u,v)(u,v)的反傅立叶变换g(x,y)(x,y)的实部Rg(x,y)(-1)x+y乘以Rg(x,y):葿空间域滤波可以近似看作是图像函数f(x,y)和滤波器函数h(x,y)的离散卷积袆空间滤波器的尺寸越大,其效果越接近于相应的频域滤波器。袂频率域便于直观的设计滤波器,空间域便于快速的计算滤波。、特性与作用,截止频率的概念薆平滑滤波器:低通滤波器,通过抑制F(u,v)中的高频成分来实现平滑滤波莄应用:可用于平滑处理,如图像由于量化不足产生的虚假轮廓时。同时,可用于去除噪声薁理想低通滤波器:截断F(u,v)中的频率处于指定距离D0(截止频率)之外的所有高频成分。。。