3.3  多源图像的滤波

本书选用分水岭算法对多源图像实施分割操作，而分水岭算法要求梯度图像输入，因此本章已经采用基于形态学开闭运算的预处理将多源图像转变成梯度图像，但是这种载入的梯度图像极易受噪声的影响，可能会使图像中的局部分割线发生偏移，严重时可能会丢失局部分割线，而造成多源图像中的目标和背景粘连在一起，从而导致不能完成分割的目的。因此，对平滑处理后的多源图像的梯度图像进行滤波处理，去除梯度图像中的噪声和杂波，并且提高输出的梯度图像的质量及信噪比，对改善分水岭的分割效果有极其重要的作用。

目前，主要的滤波方法有低通滤波、高通滤波、中值滤波、维纳滤波等。其中低通滤波又包括：理想低通滤波、指数低通滤波和巴特沃兹（Butterworth）低通滤波；高通滤波又包含：理想高通滤波、指数高通滤波和巴特沃兹高通滤波。