5.5.2　图像预处理

5.5.2　图像预处理

图像预处理的主要目的是滤除图像中的各类噪声，提高图像的信噪比。比较典型的滤波方法如下：

(1)均值滤波

均值滤波器是线性低通平滑滤波器，其目的在于模糊图像或消除图像噪声[8]。均值滤波方法是均等地对待邻域中的每个像素，对于每个像素在以它为中心的邻域内取平均值，作为该像素的灰度值。它的特点是算法简单，计算速度快，但在去掉尖锐噪声的同时造成图像模糊，特别是对图像的边缘和细节削弱很多。为此我们不采用这种方法进行滤波。

(2)中值滤波

在图像采集过程中有可能存在突然的脉冲噪声干扰，因此这会给图像的分析与检测带来误差，为了去除这部分带来的误差，一般都要对图像进行中值滤波，中值滤波的理论是在1971年提出的，广泛应用于图像处理领域，它的主要方法是通过采用一个含有奇数个点的滑动窗口，将窗口中各点的灰度值的中值来替代指定点(一般为窗口的中心点)的灰度值。对于奇数个元素，中值是指按大小排序后中间的数值。对于偶数个元素，中值是指按大小排序后，中间两个数值的平均值。对于一幅图像来说，完成中值滤波可以选择不同的窗口形状和尺寸。

(3)高斯滤波(https://www.daowen.com)

高斯滤波器也是线性低通平滑滤波器。高斯滤波是根据邻域中像素与此邻域中心点的距离衡量它的权重的，从理论上讲，这些权重的分布满足了著名的所谓高斯分布：

这就是一维的计算公式。

这就是二维的计算公式。

但是它的计算量比较大，如果效果和前面两个差不多的话，一般在实时系统中不会采用。在这里我们采用的是中值滤波，既克服了均值滤波会消除小图像的缺点(颗粒本身就比较小)，又加快了滤波速度。这对于我们这个实时处理的系统是十分重要的。