关于滤波处理
图像滤波是指尽量保留图像细节特征的情况下对目标图像的噪声进行抑制。其目的有二：提取对象特征作为图像识别的特征模式和消除图像数字化过程中混入的噪声。
消除图像中的噪声成分叫做图像的平滑化或滤波操作。
信号或图像的能量大部分集中于幅度谱的低频和中频段，而在高频段，有用的信息经常被噪声淹没。故，能够降低噪声影响的滤波器的工作原理是降低高频成分幅度。
滤波是将信号中特定波段频率滤除的操作。结合滤波器的工作原理，可以得出“对图像高频段滤波是降噪，对图像低频段滤波是模糊”的结论。
线性滤波器的工作原理是：每个像素的输出值是一些输入像素的加权和。线性滤波器适用于像素值变化不大的图像中，在偶尔出现很大值的图像中，使用高斯滤波器对图像进行处理的话，噪声是不会被去除的，只是转化为仍然可见的散粒。
形态学基本操作主要有：膨胀和腐蚀两大类，其功能主要为：
消除噪声；
分割出独立的图像元素，在图像中连接相邻的元素；
寻找图像中的明显的极大值区域或极小值区域；
求出图像的梯度。
腐蚀和膨胀是针对于图像中的高亮部分而言的，膨胀是图像中高亮部分进行膨胀，类似于“临域膨胀”，效果图的高亮部分比原图像大；腐蚀则与之相反。
膨胀的原理：膨胀就是求图像像素局部最大值的操作。膨胀/腐蚀就是将图像或图像的一部分与核进行卷积。（核可以任意大小，可以是一个小的、中间带着参考点的实心正方型）。核和图像部分卷积，计算出核覆盖区域像素点的最大值，并将这个最大值赋值给参考点所在像素。
腐蚀与膨胀相反，是用来求局部像素最小值的算法。
高级形态学操作则是基于腐蚀和膨胀演化的操作。
开运算：
原理：先腐蚀后膨胀；
用途：用与消除小物体，在纤细点处分离物体，并在平滑较大物体的边界不明显改变其面积。
闭运算：
原理：先膨胀后腐蚀
用途：用于消除图像中的小型黑色区域。
形态学梯度：
原理：图像的膨胀图和腐蚀图变化之差
用途：用来保留物体的边缘轮廓
顶帽运算：
原理：是原图像与开运算效果图之差。因为开运算带来的结果是放大了裂缝或者局部低亮的区域，因此从原图减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域。
用途：顶帽运算往往用来分离比邻近点亮的斑块。在一幅图像中拥有大幅背景而微小物品比较有规律的情况下可以使用顶帽运算进行背景提取。
黑帽运算：
原理：计算闭运算效果图与原图像之差，突出了比原图轮廓周围的区域更暗的区域。
用途：用来分离比邻近点暗的一些斑块。
图像滤波是指尽量保留图像细节特征的情况下对目标图像的噪声进行抑制。其目的有二：提取对象特征作为图像识别的特征模式和消除图像数字化过程中混入的噪声。
消除图像中的噪声成分叫做图像的平滑化或滤波操作。
信号或图像的能量大部分集中于幅度谱的低频和中频段，而在高频段，有用的信息经常被噪声淹没。故，能够降低噪声影响的滤波器的工作原理是降低高频成分幅度。
滤波是将信号中特定波段频率滤除的操作。结合滤波器的工作原理，可以得出“对图像高频段滤波是降噪，对图像低频段滤波是模糊”的结论。
线性滤波器的工作原理是：每个像素的输出值是一些输入像素的加权和。线性滤波器适用于像素值变化不大的图像中，在偶尔出现很大值的图像中，使用高斯滤波器对图像进行处理的话，噪声是不会被去除的，只是转化为仍然可见的散粒。
形态学基本操作主要有：膨胀和腐蚀两大类，其功能主要为：
消除噪声；
分割出独立的图像元素，在图像中连接相邻的元素；
寻找图像中的明显的极大值区域或极小值区域；
求出图像的梯度。
腐蚀和膨胀是针对于图像中的高亮部分而言的，膨胀是图像中高亮部分进行膨胀，类似于“临域膨胀”，效果图的高亮部分比原图像大；腐蚀则与之相反。
膨胀的原理：膨胀就是求图像像素局部最大值的操作。膨胀/腐蚀就是将图像或图像的一部分与核进行卷积。（核可以任意大小，可以是一个小的、中间带着参考点的实心正方型）。核和图像部分卷积，计算出核覆盖区域像素点的最大值，并将这个最大值赋值给参考点所在像素。
腐蚀与膨胀相反，是用来求局部像素最小值的算法。
高级形态学操作则是基于腐蚀和膨胀演化的操作。
开运算：
原理：先腐蚀后膨胀；
用途：用与消除小物体，在纤细点处分离物体，并在平滑较大物体的边界不明显改变其面积。
闭运算：
原理：先膨胀后腐蚀
用途：用于消除图像中的小型黑色区域。
形态学梯度：
原理：图像的膨胀图和腐蚀图变化之差
用途：用来保留物体的边缘轮廓
顶帽运算：
原理：是原图像与开运算效果图之差。因为开运算带来的结果是放大了裂缝或者局部低亮的区域，因此从原图减去开运算后的图，得到的效果图突出了比原图轮廓周围的区域更明亮的区域。
用途：顶帽运算往往用来分离比邻近点亮的斑块。在一幅图像中拥有大幅背景而微小物品比较有规律的情况下可以使用顶帽运算进行背景提取。
黑帽运算：
原理：计算闭运算效果图与原图像之差，突出了比原图轮廓周围的区域更暗的区域。
用途：用来分离比邻近点暗的一些斑块。