一、學習心得：
在我學習基本濾波算法原理的時候，因爲剛接觸不是很理解算法具體是怎樣實現的，不過在學習了圖像形態學之後，發現濾波算法其實很簡單。所以在此建議初學者在學習濾波算法之前，可以先學習一下圖像形態學，會達到事半功倍的效果。
二、對於濾波功能的理解：
濾波算法，可以理解成一種過濾算法，就像我們篩選產品時，把次品去除掉，只留下合格的產品。而在圖像處理中的濾波算法中，處理的對象是圖像，除了去除掉圖像中不想要的像素點的值（如去除噪聲），還可以加強圖像中我們需要研究一些內容（如邊緣提取）。
三、濾波算法：
這裏所講的算法都是針對圖像空間的濾波算法，其中模板，可以理解爲圖像形態學中的結構元素，是用來選取圖像中的那些像素點被用來操作的。空間濾波根據其功能劃分爲平滑濾波和銳化濾波。平滑濾波：能減弱或者消除圖像中高頻率分量，但不影響低頻率分量，在實際應用中可用來消除噪聲。銳化濾波：與平滑濾波相反，能減弱或者消除圖像中低頻率分量，但不影響高頻率分量，可使圖像反差增加，邊緣明顯。實際應用可用於增強被模糊的細節或者目標的邊緣。
空間增強濾波技術分類：
1、線性平滑濾波
（1）方框濾波：用一個像素的領域像素值之和作爲濾波結果，鄰域即模板所覆蓋的圖像區域，此時模板的所有係數都爲1.
（2）鄰域平均：是特殊大方框濾波，用一個像素的領域平均像素值作爲濾波結果，即a爲第一種情。
其中N(x,y)爲模板歲覆蓋的圖像的區域，n爲模板的尺寸。
（3）加權平均：此時的模板係數不是1，而是具體的係數。一般認爲距離模板中心的像素應對濾波結果有較大的貢獻，所以可將接近模板中心的係數取得比模板周邊的係數。
（4）高斯平均：是一種特殊的加權平均，只不過模板中的係數由高斯分佈來確定的。
2、線性銳化濾波
（1）拉普拉斯算子
拉普拉斯算子是一種各向同性的二階微分算子，利用微分系數來確定模板係數，然後再與圖像進行卷積運算，從而實現銳化濾波。
根據拉普拉斯定義：
兩個分別沿X和Y方向的二階偏導均可藉助差分計算：
合併爲：
當模板爲4-鄰域時 當模板爲8-鄰域時
以上兩種模板的係數之和爲0，這是爲了使經過模板運算的圖像的均值不變。拉普拉斯算子增強了圖像中的灰度不連續區域，而減弱了圖像中灰度值緩慢變化區域對比度，將這樣的結果疊加到原始圖像中，就可以得到瑞華後的額圖像。
（2）高頻提升濾波
圖像的銳化效果可以通過疊加圖像的微分結果得到，也可以通過減除圖像積分結果得到。
設原始圖像爲f(x,y),平滑後的圖像爲g(x,y)：
非銳化掩模：h(x,y) = f(x,y)-g(x,y)
銳化圖像：{ f(x,y)- g(x,y) } + f(x,y）
高頻提升濾波：把院士圖形乘以一個放大係數A，再減去平滑圖像
可轉化爲：
當A=1時，爲非銳化掩模；
當A=2時，爲非銳化掩模化。
3、非線性平滑濾波
（1）中值濾波：對模板下對應的像素值進行升序排序，選取中間值作爲結果。
（2）與中值濾波類似的，還有最大值、最小值、中點濾波
以上四種濾波也稱之爲百分比濾波，百分比濾波基於模板的排序來工作，又叫作序統計濾波。
