2.2    图像平滑
图像平滑是为了使一个像素及其相邻像素的灰度变化平滑。尽管对图像进行了剪切处理，但是图像中难免有噪音，而噪声表现为不平滑，即灰度忽大忽小。图像平滑作为图像分析的一种处理手段，在图像分割中，为了分割后目标的边界更加平滑；在二值图像中，为了选出特定结构的目标；在图像的多分辨率描述中，为了图像更加自然、具有代表性。
图像噪声按产生的原因划分可分为外部噪声和内部噪声。由系统外部干扰以电磁波或经电源串进系统内部而引起的噪声称为外部噪声。比如，电器设备、天体放电现象等引起的噪声。由光和电的基本性质所引起的噪声称为内部噪声。比如，粒子的随机性运动；电器的机械运动产生的噪声。比如，各种接头的抖动引起电流变化，磁头、磁带的振动；元器件材料本身引起的噪声，比如磁盘的表面缺陷，胶片的颗粒性；系统内部设备电路所引起的噪声，如电源的噪声。在统计学上，噪声可以根据其统计特性分为两种：平稳和非平稳噪声。统计特性不随时间变化的噪声被称为平稳噪声，反之，称为非平稳噪声；按噪声幅度分布形状而分：成高斯分布的称为高斯噪声；按雷利分布的称为雷利噪声；按噪声频谱的形状而分；频谱均匀分布的称为白噪声；频谱与频率成反比的称为1/f噪声；频谱与频率平方成正比的称为三角噪声。按噪声和信号之间的关系分为加性噪声和乘性噪声；输出为S(t) +n(t)形式的成为加性噪声，输出为S(t)(1 +n(t))形式的成为乘性噪声[4]。
a.    均值滤波
均值滤波器（averaging filter）是消除噪声的最简单的方法。原理：对于一个m×n大小的滑动窗口内的各像素灰度，使用平均值代替中心位置的灰度。这样就使图像变得模糊，也就去除了细小噪声的影响。不良反应：使用这种方法，图像在消除噪声的影响后变得模糊了。
b.    中值滤波
消除噪声的理想效果是在消除噪声的同时完好的保留了图像的边缘。中值滤波能够比较好的实现这一点。原理：对于一个m×n大小的滑动窗口内的各像素灰度，按照从小到大的顺序进行排列，结果取中间值。中值滤波器与均值滤波器的对比：在均值滤波器中，因为噪声成分被放入平均计算中，所以输出受到了噪声的影响，但是在中值滤波器中，由于噪声成分很难选上，所以几乎不会影响到输出。因此同样用3x3区域进行处理，中值滤波消除的噪声能力更加优秀。中值滤波无论是在消除噪声还是保存边缘方面都是一个不错的方法，但是中值滤波花费的时间是均值滤波的5倍以上。 MATLAB基于图像的弯道检测技术研究(3):http://www.youerw.com/jisuanji/lunwen_16612.html