空间域滤波图像复原

在5_1 图像复原与重建初步中，我们研究了图像的噪声退化模型，以及常见的噪声模型及其实现，实际上这些噪声模型帮我们解决了前一篇文章(1)式中\(\eta(x,y)\)的取值问题，同时再观察(1)式我们也能发现，当一幅图像中唯一存在的退化是噪声时，式(1)和式(2)会变成（简化）如下：

\[g(x,y) = f(x,y) + \eta (x,y)\]

和

\[G(u,v) = F(u,v) + N(u,v)\]

我们发现没了“退化函数”，复原在空间域和频率域都是一个可加形式，估计噪声情况后，便可得到原图像的一个估计，故在仅存在加性噪声的情况下，可以选择空间滤波方法。

一些简单实现在前面第三章已经讨论过，比如算数均值滤波器，这一章节主要是做更深入的研究。

均值滤波器

统计排序滤波器

自适应滤波器

有待后续学习补充。