Image processing 为什么去除噪声后图像会变得模糊？

当我们使用加权平均从灰度图像中去除噪声时，为什么图像会变得模糊？我们所做的就是取相邻像素的平均值，然后用中间像素替换它。该像素应根据该值变暗或变亮，但不应变模糊。那么为什么会变得模糊呢？提前感谢……

图像是相机捕捉到的光分布的离散表示。假设你的镜头对焦，光学分辨率足够，每个像素都携带着独特的信息。一旦你用像素的平均值替换了那个唯一的信息，你就失去了那个信息，或者说你把它散布到了它的周围。当然，像素本身只改变其值。但这是用所有像素完成的。这就是你失去高频和你的图像变得模糊的地方。

---

愚蠢的例子：拿3种不同的颜料，把3个点连在一起，然后用手指把它们混合在一起。过去这些点的颜色变化不大。但是你看不到任何点，也看不到3种不同的颜色。

要理解这一点，你需要理解图像中低频和高频成分的概念。在图像中，随空间变化较小的区域称为低频区域（例如图像中的平坦区域，如平面墙）。类似地，高频占据像素强度变化很大的区域（即具有许多边缘的区域）：

平均滤波器被分类为低通滤波器。以高斯模糊函数为例。由于高斯的傅里叶变换是高斯的，所以它充当低通滤波器。这意味着它将从图像中过滤掉高频信息（变化很大的边缘和区域）。这就是用低通滤波器卷积的图像看起来模糊的原因。
现在假设你不想用频域分析来理解它。模糊函数尝试平滑图像，即在区域内从一种强度过渡到另一种强度是非常平滑的。执行此操作时，模糊功能会减少图像中的边缘内容。以下面的1D数组为例

A= [0 0 0 255 0 0 0]

如果你的平均窗口大小为3。结果是：

B = [0 0 85 85 85 0 0]

因此，我们观察到较暗的像素变亮，而较亮的像素变暗。从另一个角度看，边缘是平滑的

---

由于自然图像往往具有大量边缘细节，因此平均操作会平滑图像内容并从图像中删除高频细节（边缘+噪声）。图像看起来清晰是由于图像中的边缘信息。因此，使用低通滤波器进行平均或卷积的图像看起来很模糊。

想象一下一幅半白半黑的图像，它有一个尖锐的过渡

想象一个滑动窗口逐渐穿过边界。窗口内的平均值首先是纯白色，而不是灰色，逐渐变暗，直至全黑。这是因为该窗口包含白色和黑色的可变混合

最后，您将获得与窗口一样大的平滑过渡区域：边界模糊

模糊是由于构成图像细节的像素混合在一起而产生的。实际上，图像信息是沿着边缘找到的，这些信息通过平均值被“擦除”

---

更好的去噪方法（如双边滤波器）应注意避免对边缘进行平均化（在这种情况下，您无论如何都看不到噪声）。

因为细节会丢失，因为您不再拥有所有的高和低，只有平均值。你到底想达到什么目的？你有一些样本图像吗？如果我们能看到你在做什么，有一些技术可以消除噪音，从而最大限度地减少模糊。@igwen我不知道这是否是因为我的显示器，但你的低频图像在我看来像高频点。@MidhunHarikumar为了纠正你说的话，我更改了图片。