红外运动目标检测算法研究+文献综述(4)
其中，后面一个模板又称为高斯模板，它是通过采样2文高斯函数得到的，基于这个模板的均值滤波也称为高斯滤波。[3]
线性低通平滑滤波器是最常用的线性平滑滤波器，这种滤波器的所有模板系数都是一个正值，可以有效地消除噪声 ，对于 3×3 的模板来说，最简单的是将所有的系数都取值为 1 为保证输出图像仍在原来的灰度范围内，在计算出R 之后再除以 9 给新点赋值，这种方法又叫邻域平均。
3.1.2 编程仿真
以F:\bbbbsssss\picture\61.bmp为例，加椒盐噪声，并实现均值滤波，代码如下：
I=imread('F:\bbbbsssss\picture\61.bmp');
imshow(I)
title('原始图像')
J=imnoise(I,'salt & pepper',0.02); %添加盐椒噪声，噪声密度为默认值0.05，这里设置为0.02
figure,imshow(J)
title('添加盐椒噪声后的图像')
K1=filter2(fspecial('average',3),J)/255; %应用3×3邻域窗口法
figure,imshow(K1)
title('3×3窗的邻域平均滤波图像')
K2=filter2(fspecial('average',7),J)/255; %应用7×7邻域窗口法
figure,imshow(K2)
title('7×7窗的邻域平均滤波图像')
图3.1 原图 图3.2添加椒盐噪声后图像
图3.3 3×3窗领域平均滤波图像 图3.4 7×7窗领域平均滤波图像
3.1.3 结果分析
通过比较上述采用的不同尺寸均值滤波器进行的低通滤波处理结果，可以得出如下结论：当所用的平滑模板的尺寸增大时，消除噪声的效果增强，但同时所得的图像变得模糊，细节的锐化程度逐步减弱。总之，应用 MATLAB 对数字图像进行线性平滑滤波处理时具有编程简单，操作方便，处理速度快等特点 线性低通平滑滤波在处理含有随机不规则的噪音方面具有良好的效果。
3.2 中值滤波算法研究
中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.
实现方法：
1：通过从图像中的某个采样窗口取出奇数个数据进行排序 。
2：用排序后的中值取代要处理的数据即可 。
中值滤波法对消除椒盐噪音非常有效，在光学测量条纹图象的相位分析处理方法中有特殊作用，但在条纹中心分析方法中作用不大.
中值滤波在图像处理中常用于用来保护边缘信息,是经典的平滑噪声的方法
3.2.1中值滤波算法原理
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是去某种结构的二文滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二文数据序列。二文中值滤波输出为g（x,y）=med{f(x.k,y.l),(k,l∈W)} ，其中,f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二文模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。[4]
3.2.2 编程仿真
编程如下
I=imread('F:\bbbbsssss\picture\61.bmp');
imshow(I)
title('原始图像')
J=imnoise(I,'salt & pepper',0.02); %添加盐椒噪声，噪声密度为0.02
figure,imshow(J)
title('添加盐椒噪声后的图像')
K1=medfilt2(J); %在默认的3×3的邻域窗中进行中值滤波