3.2  多源图像的平滑

由于本书采用的分水岭算法在分割过程中会出现很微小琐碎、无语义学含义的分割的小区域，因此，为了克服分水岭初始分割的区域数众多的弊端，本章采用图像平滑算法对去噪后的多源图像进行处理，目的是补充邻域信息同时填补空穴，并且连接细小零碎的区域断口以减少初始分割的区域数。

常见的图像平滑方法分为线性方法和非线性方法。线性方法一般使用一个固定的平滑模板作用于图像，或称其移动平均法；非线性方法一般采用不同方向系数的平滑模板平滑图像，而这种模板是由某些统计特性的图像中相邻像素的分类排序所决定的。线性方法包括：均值平滑法、邻域平均法、算术均值平滑法、几何均值平滑法、谐波均值平滑法、逆谐波均值平滑法、阿尔法均值平滑法等算法；非线性方法包括：加权平均法、梯度倒数加权法、算数加权法等算法。综合上述讨论，本节将重点研究均值平滑法、邻域平均法、加权平均法以及图像平滑中一种典型的算法，即选择式掩模平滑法。