图像滤波和形态学

通过高斯平滑抑制噪声

低通滤波器通常被认为可以消除具有高频率的信号分量

将信号乘以空间频域中的函数相当于将其于空间域中函数的傅里叶变换卷积。适用于图像的正确类型的滤波器是哪些在频域和空间域都表现良好的滤波器，高斯滤波器能够最佳的满足这个标准，他们子啊空间域和频域中具有同样的形式，在一维中形式如下

$fx = \frac{1}{2\pi\sigma^2^\frac{1}{2}} exp -\frac{x^2}{2\pi\sigma^2} \\f\omega = exp -\frac{1}{2}\sigma^2\omega^2$

常用的掩模

$\frac{1}{9}\left [\begin{matrix}1 & 1 & 1 \\1 & 1 & 1 \\1 & 1 & 1\end{matrix}\right ]$

$\frac{1}{16}\left [\begin{matrix}1 & 2 & 1 \\2 & 4 & 2 \\1 & 2 & 1\end{matrix}\right ]$

具体内容请参考中值滤波

秩排序滤波器采用的原理是取给定领域内的所有强度值，按照值增加的顺序排列，最后选择n个值中的第r个，将将该值作为滤波器局部返回值输出。

当图像在采集之前或者采集过程中被模糊化时，通常可以将他们回复到基本理想的状态，准确的来说，这是通过建立模糊过程的模型并应用只在消除模糊的逆变换来实现的，这是意向复杂的任务，在某些情况下，一种被称为锐化-反锐化掩模的方法能够产生显著的改善，

这种技术首先需要获得一个更加模糊的图像版本，然后从原始图像中减去该模糊的图像版本，要应用的人工模糊量和要减去的模糊图像是相对任意的量，通常根据人眼调整。