1. 滤波操作

滤波一词借用于频域处理。本意是指信号有各种频率的成分，滤掉不想要的波段，即为滤掉常说的噪声，留下想要的成分，这既是滤波的过程，也是滤波的目的。

滤波操作可以分为
1. 频率域滤波
2. 空间滤波

1.1. 类型

频率域滤波就是频域处理领域处理不想要的波段，此时一般是对图像像素进行的是线性操作时，也称为线性滤波器，线性空间滤波器和频率域滤波器存在一一对应关系。

空间滤波可以提供相当多的功能，还可以用于非线性滤波，

对于空间滤波器就是对图片中的一个邻域比如矩形区域执行预定义的操作，对于线性滤波器而言，就是通过使用一个核函数和图片中的区域做空间相关操作，一般来说，核函数是大小为奇数的正方形

滤波器的作用效果可以分为两类：
1. 图像平滑（图像钝化）
2. 图像模糊（图像锐化）

空间滤波机理
我们知道，空间滤波器由：

一个邻域（典型的较小的矩形）
对该邻域包围的图像像素执行的预定义操作组成。
即，数据+算法。滤波产生的新像素的坐标值等于邻域中心的坐标（这也是OpenCV中一些算子的size是奇数的原因），像素的值是滤波操作的结果。由操作是否是线性运算可以分为：

线性空间滤波器
非线性空间滤波器
我们以线性空间滤波器为例，一般来说使用大小为 [公式] 的滤波器对大小为 [公式] 的图像进行线性空间滤波，可以由以下公式和图形表达：

说一千，道一万。感觉咱们作为非数学专业的工程人员，只要认为卷积=加权和就好了

图像平滑与图像模糊是同一概念，主要用于图像的去噪。平滑要使用滤波器，为不改变图像的相位信息，一般使用线性滤波器。

图像锐化（image sharpening）是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰的方法，这种方法提高了地物边缘与周围像元之间的反差，因此也被称为边缘增强。
分为空间域处理和频域处理两类。

锐化滤波器是为了突出显示图像的边界和其他的细节，这些锐化是基于一阶导数和二阶导数的。
一阶导数可以产生粗的图像边缘，并广泛的应用于边缘提取，二阶导数对于精细的细节相应更好，常被用于图像增强

图像钝化（image blur）抑制图像中的跳变部分，使图像变得更平滑，也叫做图像平滑。

数字图像本质上是数字信号，图像的滤波就是对信号的不同频率进行筛选。体现在图像上，模糊操作实际是抑制高频，锐化操作实际是抑制低频。

1频域滤波与空间域滤波比较
(1)空间域滤波简介

    空间域滤波是在图像空间中借助模板对图像进行邻域操作,处理图像的每一个像素的取值都是根据模板对输入像素邻域内的像素值进行加权叠加得到的，空间域滤波是应用模板卷积对图像每一个像素进行局部处理。

(2)频域滤波器简介

频域滤波是图像经傅里叶变换后,边缘和其他尖锐信息在图像中主要出于高频部分,因此,可以通过衰减图像傅里叶变换中的高频成分的范围来实现。

(3)频域滤波与空间域滤波的比较

在空间域滤波中,平滑滤波器算法简单,处理速度快,但在降噪同时使图像产生模糊,特别是在边缘和细节处。中值滤波器对椒盐噪声抑制效果比较好,但对点、线等细节较多的图像却不太合适。低通滤波器对椒盐噪声过滤效果差,图像较为模糊。空间域滤波算法简单,处理速度较快,在锐化方面效果明显,线条突出。
在频域滤波中,去噪同时将会导致边缘信息损失,使图像边缘模糊,并且产生振铃效果。频域滤波算法复杂,计算速度慢,有微量振铃效果,图像平缓。