1. 简介
模糊滤波器是低通滤波器。它们从图像中去除高空间频率内容,只留下低频空间分量。结果是图像失去了细节,看起来很模糊。图像模糊在计算机图形学和计算机视觉中有许多应用。它可用于降低噪声(如图17.1所示),揭示不同尺度下的图像结构,或用于对图像进行上采样和下采样。
Blur是通过计算输入像素值的小邻域上的局部平均值来实现的。这可以通过卷积来实现。然而,有非线性方法可以去除图像细节,如各向异性扩散[385]和双边滤波[376]。当我们想在去除噪声的同时保留一些图像细节(如轮廓)时,这些非线性模糊技术非常有用。
在本章中,我们将重点介绍用于图像模糊的线性滤波器。我们将描述三种流行的模糊滤波器系列,讨论其特性和局限性。
2. Box Filter
让我们从一个非常简单的低通滤波器开始,箱式滤波器。在第16.6.3节中,我们介绍了box函数。盒滤波器使用盒函数作为卷积核。盒子卷积核可以写成:
N=M=1的Box Filter为:
使用Box Filter 输入图像ℓinℓ_{in}ℓin,结果如下:
也就是说,每个位置(n,m)的输出值是该位置周围矩形内输入像素的总和。
从视觉上看,使用框过滤器过滤图像会导致图片模糊。图17.2显示了一些框式滤波器和相应的输出图像(在将框式滤波器系数归一化为1后)。图17.2(a)显示了与平方盒核卷积的图像(即N =M).
图17.2(b)和17.2(c)显示了仅在一个方向上模糊的结果。模糊在现实生活中经常发生。当我们看远处的东西时,或者看图片中的一些细节时,或者当我们摘下眼镜(或戴一些不是我们的眼镜)时,就会发生这种情况。
2.1 特性
Box Filter是一种低通滤波器。也就是说,它衰减了输入图像的高空间频率内容。
正如我们在第16.6.3节中提到的,二维(2D)盒滤波器是可分离的,因为它可以写成两个1D核的卷积:boxN,M[n,M]=boxN,0⋅box0,Mbox_{N,M}[n,M]=box_{N,0} · box_{0,M}boxN,M[n,M]=boxN,0⋅box0,M。当盒子很大时,可以使用积分图像有效地实现。
低通滤波器的一个重要特性是直流增益,即它对恒定值输入(即最低可能的输入频率)的增益。如果输入信号是一个常数,即ℓ[n,m]=aℓ[n,m]=aℓ[n,m]=a,其中a是实数,则用box filter hN,mh_{N,m}hN,m卷积图像的结果也是一个常数:
一般来说,任意滤波器h[n,m]h[n, m]h[n,m]的直流增益(DC gain)是其核值的总和,
在盒式滤波器(box filter)的例子中,当N=1N=1N