数字图像处理 - 模糊的概念

---

---

在我们之前关于掩码概念的教程中，已经简要介绍了模糊，但我们将在本文中正式讨论它。

模糊

在模糊处理中，我们简单地模糊图像。如果我们能够正确地感知图像中所有物体及其形状，则图像看起来更清晰或更详细。例如，一张带有脸部的图像，当我们能够非常清晰地识别眼睛、耳朵、鼻子、嘴唇、额头等时，看起来很清晰。物体的这种形状是由于它的边缘造成的。因此，在模糊处理中，我们简单地减少边缘内容，并使从一种颜色到另一种颜色的过渡非常平滑。

模糊与缩放

您可能在缩放图像时看到过模糊的图像。当您使用像素复制缩放图像并且缩放因子增加时，您会看到模糊的图像。此图像也包含较少的细节，但这并不是真正的模糊。

因为在缩放时，您会向图像添加新的像素，从而增加图像的像素总数，而在模糊处理中，普通图像和模糊图像的像素数量保持不变。

模糊图像的常见示例

滤波器类型

模糊可以通过多种方式实现。用于执行模糊处理的常用滤波器类型有：

• 均值滤波器
• 加权平均滤波器
• 高斯滤波器

在这三种中，我们将在这里讨论前两种，高斯滤波器将在以后的教程中讨论。

均值滤波器

均值滤波器也称为方框滤波器和平均滤波器。均值滤波器具有以下特性：

• 它必须是奇数阶的
• 所有元素的总和应为1
• 所有元素都应该相同

如果我们遵循此规则，则对于 3x3 的掩码，我们将得到以下结果。

由于它是一个 3x3 的掩码，这意味着它有 9 个单元格。所有元素总和应等于 1 的条件可以通过将每个值除以 9 来实现，如

1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 = 9/9 = 1

3x3 掩码对图像的结果如下所示

原始图像

模糊图像

结果可能不太清晰。让我们增加模糊度。可以通过增加掩码的大小来增加模糊度。掩码越大，模糊度越大。因为使用更大的掩码，会处理更多的像素，并定义了一个平滑的过渡。

5x5 掩码对图像的结果如下所示

原始图像

模糊图像

同样，如果我们增加掩码，模糊度会更大，结果如下所示。

7x7 掩码对图像的结果如下所示。

原始图像

模糊图像

9x9 掩码对图像的结果如下所示。

原始图像

模糊图像

11x11 掩码对图像的结果如下所示。

原始图像

模糊图像

加权平均滤波器

在加权平均滤波器中，我们赋予中心值更大的权重。因此，中心值的贡献大于其余值。由于加权平均滤波，我们实际上可以控制模糊度。

加权平均滤波器的属性是：

• 它必须是奇数阶的
• 所有元素的总和应为1
• 中心元素的权重应大于所有其他元素

滤波器 1

满足了两个属性（1 和 3）。但是属性 2 未满足。因此，为了满足该属性，我们将简单地将整个滤波器除以 10 或乘以 1/10。

滤波器 2

除数 = 18。