空域滤波技术根据功能主要分为平滑滤波与锐化滤波1
数字图像处理期末考试答案
《数字图像处理》复习指南选择题1、采用幕次变换进行灰度变换时，当幕次取大于1 时，该变换是针对如下哪一类图像进行增强。
（ B )A 图像整体偏暗B 图像整体偏亮C 图像细节淹没在暗背景中D 图像同时存在过亮和过暗背景2、图像灰度方差说明了图像哪一个属性（ B )A 平均灰度B 图像对比度C 图像整体亮度D 图像细节3、计算机显示器主要采用哪一种彩色模型（A )A、RGBB、CMY 或CMYKC、HSID、HSV4、采用模板［-1 1]T主要检测（A）方向的边缘。
A.水平B.450C.垂直D.13505、下列算法中属于图象锐化处理的是：( C )A.低通滤波B.加权平均法C.高通滤波D. 中值滤波6、维纳滤波器通常用于（ C )A、去噪B、减小图像动态范围C、复原图像D、平滑图像7、彩色图像增强时，（C）处理可以采用RGB 彩色模型。
A. 直方图均衡化B. 同态滤波C. 加权均值滤波D. 中值滤波8、 B 滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。
A. 逆滤波B. 维纳滤波C. 约束最小二乘滤波D. 同态滤波9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以便引入一些低频分量。
这样的滤波器叫（ B ）。
A. 巴特沃斯高通滤波器B. 高频提升滤波器C. 高频加强滤波器D. 理想高通滤波器10、图象与灰度直方图间的对应关系是（ B )A.一一对应B.多对一C.一对多D.都不11、下列算法中属于图象锐化处理的是：( C)A.低通滤波B.加权平均法C.高通滤波D. 中值滤波12、一幅256*256 的图像，若灰度级数为16，则存储它所需的比特数是：(A)A. 256KB.512KC. 1M C.2M13、一幅灰度级均匀分布的图象，其灰度范围在[0，255]，则该图象的信息量为：（D）a. 0b.255c.6d.814、下列算法中属于局部处理的是：（D）a.灰度线性变换b.二值化c.傅立叶变换d.中值滤波15、下列算法中属于点处理的是：（B）a.梯度锐化b.二值化c.傅立叶变换d.中值滤波16、下列算法中属于图象平滑处理的是：（C）a.梯度锐化b.直方图均衡c. 中值滤波placian 增强17、设灰度图中每一个像素点由1 个字节表示，则可表示的灰度强度范围是（B）A.128 B.256 C.36 D.9618、对椒盐噪声抑制效果最好的是下列那种图像增强技术？(D)A 低通滤波B Laplace 微分C 邻域平均D 中值滤波19、将图像“name.tif”存储到文件中的命令（C）A、imread（’name.tif’）B、loadC、imwrite（’name.tif’）D、imshow（’name.tif’）20.计算机显示设备使用的颜色模型是（A）A.RGBB.HSVC.CMYD.以上都不对21.下列关于直方图的叙述错误的是( D)A. 描绘了各个灰度级像素在图像中出现的概率B. 描述图像中不同灰度级像素出现的次数C. 没有描述出像素的空间关系D. 直方图均衡化不能增强图像整体对比度的效果22.锐化滤波器的主要用途不包括( B)A.突出图像中的细节增强被模糊了的细节B.超声探测成像分辨率低可以通过锐化来使图像边缘模糊C.图像识别中分割前的边缘提取D.锐化处理恢复过度钝化、暴光不足的图像23.假设f(x,y)是一幅图像，则下列有关f(x,y) 的傅里叶变换说法中不正确(C)A.在原点的傅里叶变换等于图像的平均灰度级B.一个二维傅里叶变换可以由两个连续一维的傅里叶运算得到C.图像频率域过滤可以通过卷积来实现D.傅里叶变换具有线性移不变性24. 列有关图像复原和图像增强的说法错误的是(D)A.与图像增强不同，图像复原的目的是提供给用户喜欢接收的图像B.图像增强主要是一个客观过程，而图像复原主要是一个主观过程C.图像增强被认为是一种对比度拉伸，图像复原技术追求恢复原始图像的一种近似估计值D.图像复原技术只能使用频率域滤波器实现25、下列哪一个模板可用于图像平滑（AA、1/9 1/9 1/9B、1 1 1C、1/3 1/3 1/3D、-1 -1 -11/9 1/9 1/9 1 -8 1 1/3 1/3 1/3 -1 8 -1 1/9 1/9 1/9 1 1 1 1/3 1/3 1/3 -1 -1 -1 26、对于含有孤立线噪声的图像，既要保证图像的边缘，又要去除噪声应该用那种滤波器（B）A、box 模板B、中值滤波器C、gauss 模板D、prewitt 模板27、对一幅二值图像做腐蚀的结果（B ）A、图像面积放大B、图像面值缩小C、图像面积不变D、图像边界变圆28、下列算法中属于局部处理的是（D）A、灰度线性变换B、二值化C、傅里叶变换D、中值滤波判别正确、错误1. 图像按其亮度等级的不同，可以分为二值图像和灰度图像两种。
影响数字X线成像质量的因素
生物医学091班学号：6103409003影响数字X线成像质量的因素图像的质量决定于成像方法、设备的特点以及操作者选用的成像参数。
图像质量不是由单个因素（指标）决定的，至少是以下五个因素的综合，它们是：图像对比度、模糊度、噪声、伪影和畸变。
因此会影响这五个指标的因素都会影响数字X线成像质量。
但对医学图像的评价产生影响包括成像质量的客观物理因素与人的视觉系统等主观因素。
各种成像系统最后供给医生的图像都是经过加工处理的实际信号。
但有一些物理因素可影响成像的质量。
包括X线的发射光谱、待测对象的吸收特性和散射特性、增感屏的吸收特性及其发射光谱。
一、图像对比度和对比度分辨力对比度是图像的最基本的特征，图像对比度通常表现为不同的灰阶或颜色。
图像中对比度的高低取决于被成像的客体本身和成像系统两个方面：身体内一个客体要能在图像上成为可见，首先它对周围组织来说要有足够的客观对比度，其次成像系统要能将客观对比度转换成足够的图像对比度。
一个成像系统将客观对比度转换成图像对比度的能力用对比度分辨力或对比灵敏度来表示。
光电吸收，康普顿吸收。
经吸收X线成为两种射线从肢体上射出：①带有肢体信息的有用射线；②一部分康普顿作用的散射线，也叫续发射线或二次射线。
这些散射线对照片的对比度会产生很大的影响。
散射线的多少，与原发射线的能量有关。
还与被检肢体的厚度、面积有关。
此外，被检肢体的原子序数较高或密度较大，产生的散射线量也多。
因此，人体软组织较金属物体产生的散射线量多。
散射线在作用于胶片上的全部射线量中所占的比率叫做散射线含有率。
影响散射线含有率的因素主要包括：管电压、被检肢体厚度、照射野等1、管电压散射线的能量与原发射线的能量及散射角度有关。
散射线含有率随管电压的升高而加大。
管电压在80~90KV以上时，散射线含有率趋向平稳（如图2）2、被检肢体厚度在相同管电压及照射野下，散射线含有率则随被照体的厚度的增加而增加。
被检体的厚度产生的散射线对照片影像效果的影响，要比管电压产生影响大的多。
第三章 空域滤波：原理及
目的： 目的： 介绍空域波束形成的概念，自适应 介绍空域波束形成的概念， 控制最优准则及最优权的稳态解， 控制最优准则及最优权的稳态解，以及 最优权的求解算法（梯度算法、 最优权的求解算法（梯度算法、递推算 法）。
1
§3.1波束形成的基本概念 波束形成的基本概念
y ( t ) 2 = E W H X ( t ) W H X ( t ) E
H H = E W X ( t ) X ( t )W
(
)
H
X ( t ) X H ( t )W =W E
H
H R X = E X (t ) X ( t ) 定义：阵列信号相关矩阵， 定义：阵列信号相关矩阵，
φ = π sin θ φ0 = π sin θ0
上式表示的波束图有以下特点： 上式表示的波束图有以下特点： 特点 形状，其最大值为N。 波束成 sinx/ x 形状，其最大值为 。波束主瓣半
0.886 50.8 θ 功率点宽度为： 功率点宽度为：B = Nd / λ ( rad ) = Nd / λ (o ) 。根据
3
如前所 述的 窄 带信 的空域表示： 号的空域表示：
( s (t, r ) = s (t ) e
jω t −r α
T
)
θ
1 2 N
若以阵元1为参考点， 若以阵元1为参考点， 则各阵元接收信号可 写成： 写成：
x1 ( t ) = s ( t ) e
jω t
d
⋯
W
* 2
W
* 1
* WN
x 2 (t ) = s (t ) e M x N (t ) = s (t ) e
数字图像处理图像滤波ppt课件
47
噪声图像
中值滤波3x3
48
平均滤波与中值滤波比较
噪声图像
均值滤波
中值滤波
均值滤波和中值滤波都采用的是2x2 的模板
49
均值，中值和最频值
均值是模板内像素点灰度的平均值，中值是数值排列 后处于中间的值，最频值是出现次数最多的灰度值；
8
常用像素距离公式
欧几里德距离
DE
(
p,
q)
x
s 2
y
t
2
范数距离
D( p, q) x s y t
棋盘距离
D( p, q) max x s , y t
9
像素间的基本运算
算术运算：
加法： p + q
减法： p - q
乘法： p * q
这三者都与直方图有着密切的关系； 直方图的一个峰对应一个区域，如果这个峰是对称的，
那么均值等于中值，等于最频值。
50
中值滤波的代码实现 Matlab中函数medfilt1和medfilt2，第一个是一维
的中值滤波，第二个是二维的中值滤波。 使用help查看函数功能
51
示例
52
代码讲解
0.25
0.10 0.05
0.125 01 2
34
56
7
P r 关系目标曲线 r
原始图像中的Ｐ－r点位置 对应变换后的P-r点位置
24
算法描述 设像素共分为L级(r = 0,1,2,…L1)，变换后对应的
医学影像的图像处理技术
医学影像的图像处理技术一、前言医学影像学是一门应用广泛而又不断发展的学科，医学影像的图像处理技术应用十分广泛，它们不仅可以为临床医生诊疗提供重要的辅助手段，而且也可以用于多领域的研究。
在医学影像学的实践中，图像处理技术已经成为一项不可或缺的技术。
二、数字图像处理技术数字图像处理技术是处理数字图像的技术，它将数字图像转换为数字信号，再利用数字信号处理技术对图像进行处理和分析。
数字图像处理技术可分为以下几类：1. 信号处理技术信号处理技术是数字图像处理的基础，主要用于处理图像的亮度、对比度、平滑度等特征。
常用的信号处理技术有空域滤波、频域滤波等。
2. 图像压缩技术图像压缩技术是将数字图像经过压缩算法处理，达到减小文件大小的目的。
常见的图像压缩技术有JPEG、PNG、GIF等。
3. 形态学图像处理技术形态学图像处理技术是用于提取图像的形态学特征的一种处理技术，常用于边缘检测、形态学滤波等。
4. 分割图像处理技术分割图像处理技术是将图像分成不同的部分或区域的处理技术，常用于医学影像中对人体组织、器官的分割。
5. 三维图像处理技术三维图像处理技术是处理医学影像中三维模型的技术，其主要方法包括体绘制、表面绘制、投影法等。
6. 人工智能技术人工智能技术在医学影像处理中也越来越常见，主要包括机器学习、深度学习两种方法。
三、医学影像的处理在医学影像学中，可以应用以上数字图像处理技术，包括形态学处理、直方图均衡化、二值化、边缘检测、基于特征的分析等方法，实现对图像的增强、分割和分析。
以下是介绍几种较为常见的处理方法：1. 直方图均衡化直方图均衡化是医学影像中应用较广泛的一种图像增强技术。
图像直方图是指统计图像中各像素强度的数量分布情况。
通过直方图均衡化，可以增强图像的对比度，使得图像细节更加清晰，更易于观察和分析。
2. 空域滤波空域滤波技术是医学影像处理中最基础的滤波方法之一。
常用的空域滤波方法包括平滑滤波、锐化滤波、边缘检测滤波等。
基于matlab对图像进行高通、低通、带通滤波
数字图像处理三级项目—高通、低通、带通滤波器摘要在图像处理的过程中,消除图像的噪声干扰是一个非常重要的问题。
利用matlab软件,采用频域滤波的方式,对图像进行低通和高通滤波处理。
低通滤波是要保留图像中的低频分量而除去高频分量，由于图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓；高通滤波是要保留图像中的高频分量而除去低频分量，所以高通滤波可以保留较多的边缘轮廓信息。
低通滤波器有巴特沃斯滤波器和高斯滤波器等等，本次设计使用的低通滤波器为****。
高通滤波器有巴特沃斯滤波器、高斯滤波器、Laplacian高通滤波器以及Unmask高通滤波器等等，本次设计使用巴特沃斯高通滤波器。
1、频域低通滤波器：设计低通滤波器包括 butterworth and Gaussian (选择合适的半径，计算功率谱比),平滑测试图像test1和2。
实验原理分析根据卷积定理，两个空间函数的卷积可以通过计算两个傅立叶变换函数的乘积的逆变换得到，如果f(x, y)和h(x, y)分别代表图像与空间滤波器，F(u, v)和H(u, v)分别为响应的傅立叶变换（H(u, v)又称为传递函数），那么我们可以利用卷积定理来进行频域滤波。
在频域空间，图像的信息表现为不同频率分量的组合。
如果能让某个范围内的分量或某些频率的分量受到抑制，而让其他分量不受影响，就可以改变输出图的频率分布，达到不同的增强目的。
频域空间的增强方法的步骤：（1）将图像从图像空间转换到频域空间；（2）在频域空间对图像进行增强；（3）将增强后的图像再从频域空间转换到图像空间。
低通滤波是要保留图像中的低频分量而除去高频分量。
图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓。
理想低通滤波器具有传递函数：其中D0为制定的非负数，D(u,v)为点(u,v)到滤波器中心的距离。
空域滤波系数
空域滤波系数一、概念空域滤波系数是指在图像处理中，用于对图像进行滤波处理的系数。
它可以改变图像的各个像素点的亮度、对比度、颜色等属性，从而实现图像增强、噪声去除、边缘检测等目的。
二、作用空域滤波系数在图像处理中起到关键作用，它可以通过改变滤波系数的数值来调整滤波器的特性，从而对图像进行不同的处理。
常用的滤波器包括低通滤波器、高通滤波器、带通滤波器等，它们可以分别实现图像平滑、图像锐化、图像边缘增强等效果。
三、分类根据滤波器的类型和特性，空域滤波系数可以分为线性滤波系数和非线性滤波系数。
1. 线性滤波系数线性滤波系数是指滤波器的输出值是输入值的线性组合。
常见的线性滤波器有均值滤波器、高斯滤波器等。
均值滤波器是一种低通滤波器，它将每个像素点的值替换为其邻域内像素值的平均值，从而实现图像平滑的效果。
高斯滤波器则是一种通过对图像进行加权平均来实现平滑效果的滤波器，它可以有效地去除图像中的噪声。
2. 非线性滤波系数非线性滤波系数是指滤波器的输出值与输入值之间的关系不是线性的。
常见的非线性滤波器有中值滤波器、最大值滤波器等。
中值滤波器是一种用于去除椒盐噪声的滤波器，它将每个像素点的值替换为其邻域内像素值的中值，从而实现噪声去除的效果。
最大值滤波器则是一种用于图像边缘检测的滤波器，它将每个像素点的值替换为其邻域内像素值的最大值，从而突出图像中的边缘信息。
四、应用案例空域滤波系数在图像处理领域有着广泛的应用。
以下是一些常见的应用案例：1. 图像增强通过调整空域滤波系数的数值，可以改变图像的亮度、对比度、颜色等属性，从而实现图像的增强。
例如，通过增加高斯滤波器的标准差，可以使图像变得更加模糊，从而减少噪声的影响。
2. 噪声去除噪声是影响图像质量的一种因素，通过应用合适的空域滤波系数，可以去除图像中的噪声。
例如，中值滤波器可以有效地去除椒盐噪声，从而提高图像的清晰度。
3. 边缘检测边缘是图像中物体之间的分界线，通过应用适当的空域滤波系数，可以突出图像中的边缘信息。
图像处理毕业设计题目
图像处理毕业设计题目篇一：数字图像处理论文——各种题目长春理工大学——professor——景文博——旗下出品1基于形态学运算的星空图像分割主要内容：在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的困难。
膨胀和腐蚀是形态学的两个基本运算。
用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的阈值分割。
要求：1> 图像预处理：对原始星空图像进行滤波去噪处理；2> 对去噪后的图像进行形态学运算处理；3> 选取自适应阈值对形态学运算处理后的图像进行二值化；4> 显示每步处理后的图像；5> 对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进行对比分析。
待分割图像直接分割图像处理后的分割图像2基于数字图像处理的印刷电路板智能检测方法主要内容：通过对由相机实时获取的印刷电路板图像进行焊盘识别，从而提高电子元件的贴片质量，有效提高电路板的印刷效率。
要求：1> 图像预处理：将原始彩色印刷电路板图像转成灰度图像，对灰度图像进行背景平滑和滤波去噪；2> 对去噪后的图像进行图像增强处理，增强边缘提取的效果。
3> 对增强后的图像进行边缘提取（至少两种以上的边缘提取算法）；4> 显示每步处理后的图像（原始电路板图像可自行查找）；5> 图像处理后要求能对每个焊盘进行边缘提取，边缘清晰。
3静止背景下的移动目标视觉监控主要内容：基于视觉的人的运动分析最有前景的潜在应用之一是视觉监控。
视觉监控系统的需求主要来自那些对安全要求敏感的场合，如银行、商店、停车场、军事基地等。
通过对静止背景下的目标识别，来提醒监测人员有目标出现。
要求：1> 对原始参考图和实时图像进行去噪处理；2> 对去噪后的两幅图像进行代数运算，找出目标所在位置，提取目标，并将背景置黑；3> 判断目标大小，若目标超过整幅图像的一定比例时，说明目标进入摄像保护区域，系统对监测人员进行提示（提示方式自选）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
空域滤波技术根据功能主要分为平滑滤波与锐化滤波，平滑滤波能减弱或消除图像中的高频率分量而不影响低频分量。
因为高频分量对应图像中的区域边缘等灰度值具有较大变化的部分，平滑滤波可将这些分量滤去减少局部灰度起伏，是图像变得比较平滑。
实际应用中，平滑滤波还可用于消除噪声，或在提取较大目标前去除太小的细节或将目标的小间断连接起来。
锐化滤波正好相反，实际应用中锐化滤波常用于增强被模糊的细节或目标的边缘。
空域滤波是在图像空间通过邻域操作完成的，实现的方式基本都是利用模板（窗）进行卷积来进行，实现的基本步骤为：
1、将模板中心与图中某个像素位置重合；
2、将模板的各个系数与模板下各对应像素的灰度值相乘；
3、将所有乘积相加，再除以模板的系数个数；
4、将上述运算结果赋给图中对应模板中心位置的像素。
常见的空域滤波器：
1、邻域平均：将一个像素邻域平均值作为滤波结果，此时滤波器模板的所有系数都取为1。
2、加权平均：对同一尺寸的模板，可对不同位置的系数采用不同的数值。
实际应用中，常取模板周边最小的系数为1，而取内部的系数成比例增加，中心系数最大。
加权平均模板示例：
1 2 1
2 4 2
1 2 1
3、高斯分布：借助杨辉三角对高斯函数进行近似。
高斯模板系数：
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
4、中值滤波：中值滤波是一种非线性滤波方式，可用如下步骤完成。
（1）将模板在图中漫游，并将模板中心与图中某个像素位置重合；
（2）读取模板下各对应像素的灰度值；
（3）将这些灰度值从小到大进行排序；
（4）找出中间值并赋给对应模板中心位置的像素。
一般情况下中值滤波的效果要比邻域平均处理的低通滤波效果好，主要特点是滤波后图像中的轮廓比较清晰。
5、最频值滤波：通过直方图统计中心像素点的灰度分布情况，将出现次数最多的灰度值（即直方图波峰位置）赋给中心位置的像素。
如果直方图是对称的且仅有一个峰，那么均值、中值和最频值相同。
如果直方图仅有一个波峰但不对称，那么最频值对应波峰，而中值总比均值更接近最频值。
6、锐化滤波：图像锐化一般是通过微分运算来实现的，图像处理中最常用的微分方法是利用梯度（基于一阶微分）。
在离散空间，微分用差分实现，常用的差分模板如下：
-1 1 1 1 1
-1 1
-1 1 -1 -1 -1
空域滤波的基本原理简介
⑴图像增强的概念和分类
图象增强技术的主要目标是，通过对图象的处理，使图象比处理前更适合一个特定的应用，比如去除噪音等，来改善一幅图像的视觉效果。
图像增强的方法分为两大类：空间域图像增强和频域图像增强，而我们这里所要介绍的均值滤波，中值滤波，拉普拉斯变换等就是空间域图像增强的重要内容。
⑵空域滤波的概念和分类
使用空域模板进行的图像处理，被称为空域滤波。
模板本身被称为空域滤波器。
空域滤波的机理就是在待处理的图像中逐点地移动模板，滤波器在该点地响应通过事先定义的滤
波器系数与滤波模板扫过区域的相应像素值的关系来计算。
空域滤波可以按照以下关系进行分类：
⑴从数学形态上可以把空域滤波器分为线性滤波器和非线性滤波器：
线性滤波器是线性系统和频域滤波概念在空域的自然延伸。
其特征是结果像素值的计算由下列公式定义：
R = w1z1 + w2z2 + … + wnzn
其中：wi i = 1,2, … ,n 是模板的系数
zi i = 1,2, … ,n 是被计算像素及其邻域像素的值
线性滤波器又可以分为高通，低通和带通滤波器。
非线性滤波器使用模板进行结果像素值的计算，结果值直接取决于像素邻域的值，而不与线性乘积和无关，它包括中值滤波，最大最小值滤波器等等。
⑵从处理效果上可以把空域滤波器分为平滑空间滤波器和锐化空间滤波器：
平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用。
锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。
⑷线性滤波器之低通均值滤波
平滑线性空间滤波器的输出响应是包含在滤波模板邻域内像素的简单平均值。
因此这些滤波器也称为均值滤波器。
根据前面的介绍，它们指的都是低通滤波器。
均值滤波用领域的均值代替像素值，减小了图像灰度的尖锐变化。
由于典型的随机噪声就是由这种尖锐变化组成，因此均值滤波的主要应用就是减噪，即除去图像中不相干的细节，其中“不相干”是指与滤波模板尺寸相比较小的像素区域。
但是图像边缘也是由图像灰度尖锐变化带来的特性，因而均值滤波总是存在不希望的边缘模糊的负面效应。
均值滤波器可以衍生出另一种特殊的加权均值滤波器，用不同的系数乘以像素，这样，从权值上看，一些像素比另一些更重要。
如，处于模板中心位置的像素比其他任何像素的权值都要大，正交方向相邻的像素比对角项的权值大。
⑸非线性滤波器之中值滤波
统计滤波器是一种非线性空间滤波器，它的响应基于图像滤波器包围的图像区域中像素的排序，然后由统计排序的结果决定的值代替中心像素的值。
最常见的例子就是中值滤波器，它比小尺寸的线性平滑滤波器的模糊程度明显要低，对处理脉冲噪声（椒盐噪声）非常有效。
中值滤波器的主要功能是使拥有不同灰度的点看起来更接近于它的邻近值，去除那些相对于其邻域像素更亮或更暗，并且其区域小于滤波器区域一半的孤立像素集。
⑹空域滤波处理时的图像轮廓边缘情况考虑
模板在在源图像中移动的过程中，当模板的一条边与图像轮廓重合后，模板中心继续向图像边缘
靠近，那么模板的某一行或列就会处于图像平面之外，此时最简单的方法就是将模板中心点的移动范围限制在距离图像边缘不小于（n－1）/2个像素处，单处理后的图像比原始图像稍小。
如果要处理整幅图像，可以在图像轮廓边缘时用全部包含于图像中的模板部分来滤波所有图像，或者在图像边缘以外再补上一行和一列灰度为零的像素点（或者将边缘复制补在图像之外）。
⑺空域滤波之去除离散点
用上面提到的均值滤波，中值滤波等对去除一定特性的噪声会比较有效，除此之外我们还可以用几何方法来去除离散噪声。
考虑一幅二值图像，对每个黑点我们以递归的方法从上下左右以及左上、右上、左下、右下八个方向搜索连续的黑点，如果某个方向连续黑点的数目满足规定的长度，我们就认为该点不是离散点，否则认为该点是离散点而去除掉（把黑点改为白点）。