technophile

邻域平均可以抑制孤立的异常值噪声，但相应的副作用是它也会模糊图像中较为突然变化，非线性中值滤波器在保持图像中有用细节方面通常比线性均值滤波器更加有效，并且更适合去除图像中的椒盐噪声。

尽管移动平均滤波器 的计算非常方便快捷，但它可能导致滤波图像中产生伪影。为了克服这些缺点，我们通常可以使用高斯滤波器实现。

在本节中，我们将使用 PIL 的 filter() 函数将方形模糊滤波器应用于带有噪声的输入 RGB 图像，并观察不同噪声水平的平滑度。

数字水印是可见的或不可见的标识码，这种标识码被永久嵌入图像中，并且即使在解码过后后仍存在于图像中。在本节中，我们将采用基于 DCT 的水印技术。

图像融合是将多个输入图像组合到单个输出图像中的过程，输出图像中包含比单个输入图像更好的场景描述。在本节中，我们将学习如何使用 pywt 执行图像融合操作。

为了使用离散小波变换实现图像去噪并近似平移不变性，我们可以使用循环旋转技术。在本节中，我们将看到，对于 2D 图像去噪，循环旋转技术可以令图像质量得到大幅提高。

小波变换通常用于图像去噪。在本节中，我们将在输入 RGB 图像中添加高斯噪声，并使用小波的软阈值消除噪声。

图像反卷积是指一类试图从模糊图像中恢复清晰图像的算法，其使用模糊图像和可能的卷积核 h (假设卷积核是已知的或估计的)作为输入。

在本节中，我们将学习如何通过使用 OpenCV 库计算图像的拉普拉斯 (Laplacian) 方差阈值来检测图像是否模糊。