【VTK学习笔记-10】图像平滑（均值滤波、高斯平滑、中值滤波、各向异性滤波）

学习教程：《VTK图形图像开发进阶》张晓东，罗火灵
特别感谢：东灵工作室

5.5 图像平滑

图像平滑常应用于图像的预处理中，如计算梯度时先对图像进行平滑处理，可以减少噪声对梯度的影响。图像平滑一般是通过模板卷积运算实现的。

5.5.1 均值滤波

其对应的模板各个像素的值相同且和为1。在VTK中，可以通过图像卷积运算来实现均值滤波。

5.5.2 高斯平滑

与均值滤波原理类似，只是模板系数不都是一样的，而是需要根据像素与模板中心的距离来定义权重。权重的计算方法是采用高斯分布，即离中心越远，权重越小。

5.5.3 中值滤波

采用一个5×5模板，逐次将模板中心对应到图像的每个像素上，将模板图像覆盖的像素的中值作为当前像素的输出值。

该方法能够有效保持图像边缘，并对椒盐噪声有较好的抑制作用。

5.5.4 各向异性滤波

高斯平滑会在平滑噪声的同时模糊了图像的重要边缘信息。各向异性滤波是一种基于偏微分方程的滤波技术，建立于热量的各向异性扩散理论。

各向异性滤波在图像的平坦区域选择大尺度平滑，而在边缘区域则选择小尺度的平滑，在抑制噪声的同时也保持了图像的边缘信息。