均值滤波适用于处理什么样的噪声

图像降噪是图像处理中的专业术语。在现实生活中，我们看到的数字图像，在数字化和传输过程中由于常受到成像设备与外部环境噪声干扰等影响，把这些图像称为含噪图像或者叫噪声图像。减少数字图像中噪声的过程称为图像降噪，有时候又称为图像去噪。
图像滤波就是在尽量保留图像细节特征的条件下，对目标图像的噪声进行YZ，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。
图像滤波是图像降噪的方法，图像降噪有很多方法，主要有：
1、均值滤波器
此法适用于去除通过扫描得到的图象中的颗粒噪声。
领域平均法能够有力地YZ噪声，同时也由于平均而引起了模糊现象，模糊程度与邻域半径成正比。几何均值滤波器所达到的平滑度可以与算术均值滤波器相比，但在滤波过程中会丢失更少的图象细节。谐波均值滤波器对“盐”噪声效果更好，但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声，但它有个缺点，就是必须要知道噪声是暗噪声还是亮噪声，以便于选择合适的滤波器阶数符号，如果阶数的符号选择错了可能会引起灾难性的后果。
2、自适应维纳滤波器
它能根据图象的局部方差来调整滤波器的输出，局部方差越大，滤波器的平滑作用越强。它的Z终目标是使恢复图像f^(x，y)与原始图像f(x，y)的均方误差e2=E[(f(x，y)-f^(x，y)2]Z小。该方法的滤波效果比均值滤波器效果要好，对保留图像的边缘和其他高频部分很有用，不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果Z佳。
3、中值滤波器
它是一种常用的非线性平滑滤波器，其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换。其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点。所以中值滤波对于滤除图像的椒盐噪声非常有效。
4、形态学噪声滤除器
此方法适用的图像类型是图象中的对象尺寸都比较大，且没有细小的细节。它将开启和闭合结合起来来滤除噪声，先对有噪声图象进行开启操作，可选择结构要素矩阵比噪声的尺寸大，因而开启的结果是将背景上的噪声去除。Z后是对前一步得到的图象进行闭合操作，将图象上的噪声去掉。
5、小波去噪
这种方法保留了大部分包含信号的小波系数，因此可以较好地保持图象细节。小波分析进行图像去噪主要有3个步骤:(1)对图象信号进行小波分解。(2)对经过层次分解后的高频系数进行阈值量化。(3)利用二维小波重构图象信号。