结果中均值滤波和高斯滤波的区别

Question

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？

- Abc

---

本质上：高斯 = 好，均值 = 差（但更快）。 - Paul R

Answer 1

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。

- Maciej

Answer 2

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。

- Adi Shavit

---

这并没有回答问题。他问的是结果的差异，而不是实现方式。 - Maciej

Answer 3

基本差异在哪里？ 在平滑过程中，附近的像素对结果的影响比更远的像素更大。 但是在均值滤波器中，所有属于内核的像素都被赋予相等的权重。

- GPrathap