1. Filtri di livellamento (filtri passa-basso): Questi filtri offuscano l'immagine facendo una media dei valori dei pixel. Riducono il rumore e i dettagli fini.
* Filtro media: Tutti i valori del kernel sono uguali (ad esempio, un kernel 3x3 con tutti i valori 1/9). Semplice e computazionalmente economico, ma può causare una sfocatura significativa.
* Filtro gaussiano: I valori del kernel seguono una distribuzione gaussiana. Produce sfocatura più fluida rispetto a un filtro medio e meno probabilità di introdurre artefatti. La deviazione standard del gaussiano determina la quantità di sfocatura.
* Filtro mediano: Questo è *non lineare *, ma spesso raggruppato con filtri lineari a causa della sua applicazione simile. Sostituisce il pixel centrale con il valore mediano dei pixel nel kernel. Eccellente nel rimuovere il rumore di sale e pepper preservando i bordi meglio della media.
2. Filtri di affilatura (filtri passa-alto): Questi filtri migliorano i bordi e i dettagli enfatizzando le differenze nei valori dei pixel.
* Filtro Laplacian: Utilizza un kernel che approssima la seconda derivata dell'immagine. Evidenzia le aree di cambio di rapida intensità. Spesso utilizzato per il rilevamento dei bordi. Esistono variazioni, tra cui i laplaci 4 connessi e 8 connessi.
* Maschese Unharp: Sottrae una versione sfocata dell'immagine dall'originale, migliorando i componenti ad alta frequenza. Fornisce un affiliazione più controllata rispetto a Laplacian.
* Operatore Sobel: (e Prewitt e Kirsch) Questi sono operatori di gradiente che si avvicinano al gradiente dell'immagine, evidenziando i bordi in una direzione specifica. Producono mappe dei bordi anziché affinare direttamente l'immagine originale.
3. Filtri direzionali: Questi filtri sono sensibili agli orientamenti specifici nell'immagine.
* Roberts Cross Operator: Un semplice rilevatore di bordo sensibile ai bordi diagonali.
* Sobel Operator (di nuovo): Mentre utilizzati per il rilevamento del bordo generale, possono essere usati diversi orientamenti del kernel Sobel per enfatizzare i bordi in direzioni orizzontali o verticali.
4. Altri filtri lineari:
* Filtri derivati: Questi filtri si avvicinano alla prima o alla seconda derivata dell'intensità dell'immagine. Utilizzato per il rilevamento dei bordi e l'estrazione delle caratteristiche. Gli esempi includono i filtri Sobel, Prewitt e Laplacian menzionati sopra.
* Filtro di identità: Un kernel con un 1 al centro e 0 altrove. Questo filtro lascia l'immagine invariata.
Considerazioni importanti:
* Dimensione del kernel: La dimensione del kernel influisce sull'entità del filtro. I kernel più grandi producono più offuscamenti (levigatura) o affilatura più significativa.
* Normalizzazione: I kernel per i filtri di levigatura sono spesso normalizzati (la somma dei pesi è uguale a 1) per impedire i cambiamenti nella luminosità complessiva dell'immagine.
* Gestione dei confini: Sono spesso necessarie tecniche speciali per gestire i pixel vicino ai bordi dell'immagine, dove il kernel può estendersi oltre il confine dell'immagine. I metodi comuni includono l'imbottitura con zeri o mirroring.
Questo elenco non è esaustivo, ma copre i tipi più comuni di filtri lineari utilizzati nell'elaborazione delle immagini. La scelta del filtro dipende fortemente dall'applicazione specifica e dal risultato desiderato.
software © www.354353.com