高斯平滑使用标准差和窗口大小,对图像进行模糊处理以减少图像中的噪点。另一方面,均值滤波也可以模糊图像并去除噪声。那么两者结果上的基本区别是什么?
高斯平滑使用标准差和窗口大小,对图像进行模糊处理以减少图像中的噪点。另一方面,均值滤波也可以模糊图像并去除噪声。那么两者结果上的基本区别是什么?
均值滤波(矩形核)是在空间域(图像空间)中减少随机噪声的最佳选择。但是,均值滤波是频率域中最差的滤波器,几乎不能将一组频率与另一组分离。高斯滤波在频率域中具有更好的性能。
在低通滤波器中,均值滤波是最不有效的。理想情况下,它应该停止高频率并仅通过低频率。实际上,它会通过许多高频率并停止一些低频率(慢速衰减和较差的阻带衰减)。
实际上意味着什么?如果您想从图像中去除噪声,则均值滤波快速且可能是最佳解决方案。如果您想分离图像中存在的频率,则不是很好的解决方案。
有趣的是,您可以使用均值滤波实现高斯滤波。如果您将均值滤波两次应用于图像,则得到的结果与应用三角形核滤波器相同。如果您将均值滤波器连续应用4次于图像,则得到的结果与应用高斯核滤波器相同。
高斯滤波使用卷积,速度非常慢。如果您使用递归公式实现均值滤波,则运行起来非常快。多次应用均值滤波可以将高斯实现加速1000倍。
回答您的问题。在去除图像噪声时,均值滤波和高斯滤波提供类似的结果。高斯滤波在分离频率方面要好得多。此任务的最佳滤波器是窗函数Sinc滤波器。
高斯滤波器将像素按照钟形曲线分布在中心像素周围,这意味着距离较远的像素会获得较低的权重。
均值滤波,也称为盒状滤波,只是对所有相邻像素的像素值进行平均。这等同于给予所有距离中心像素相同的权重。
相比于高斯模糊,盒状滤波可以更快地计算。