我们如何使用均值滤波器作为自适应滤波器？答案

【问题标题】：How can we use mean filter as adaptive one?我们如何使用均值滤波器作为自适应滤波器？
【发布时间】：2021-01-05 00:08:02
【问题描述】：

当我们在背景区域有噪声时，我们可以使用均值滤波器来去除噪声，因为我们的处理没有清晰的特征。当我们对包含边缘（更精细的细节）的图像区域进行噪声去除时。这个区域完全模糊，我们错过了更精细的细节。

我们能否应用一个过滤器，在平坦区域（图像背景）上进行大量模糊，而在特征区域应用很少的模糊？ 再来一张，

我们是否在 opencv 中实现了这个过滤器？

【问题讨论】：

见双边过滤器。 docs.opencv.org/4.1.1/d4/d86/…

标签： python c++ algorithm opencv image-processing

【解决方案1】：

一个非常好的自适应滤波器是双边滤波器。它应用高斯滤波器进行平滑处理，但另外根据每个样本与掩码下的中心值的相似程度来加权每个样本。因此，它实际上只对具有相似值的像素进行平均。在平坦区域中，所有像素都具有相似的值，因此它在整个内核上取平均值。在边缘附近，只有到边缘的像素具有相似的值，因此它只在到边缘的像素上取平均值。

在 OpenCV 中，这是在 cv::bilateralFilter 中实现的。

【讨论】：

【解决方案2】：

寻找中值过滤器。示例：

在 OpenCV 中可用doc here

【讨论】：

这个在去除椒盐噪声方面效果更好，但对高斯噪声效果不佳。对于高斯噪声，它会失败。
@coder_v_3.0：这是一个误解。中值滤波器对高斯噪声效果很好，因为中值是平均值的良好估计值。事实上，对于高斯分布数据，在大样本量的情况下，均值和中位数是相同的。
@coder_v_3.0：我同意 Cris 的观点，中值滤波器在边缘保留降噪方面还不错。（为说明选择的图像有点无关紧要。）
当我们需要去除高斯噪声时，均值滤波器优于中值滤波器。谢谢@Cris，我明白你上面所说的。
最大的问题主要是原始问题没有提供任何要去除的噪声示例，除了“包含边缘的图像区域的噪声去除（更精细的细节）”，可以是几乎任何事情都取决于上下文......