基于双边滤波的图像平滑算法研究
图像是人对视觉的感知的一种物质重复再现。图像处理是指对图像进行分析、加工、和处理，使其满足视觉、心理或其他要求的技术。在图像领域中，信号处理是一个大的分支，其中图像处理是其中一个应用。现在大多数的图像均是以“数字”形式存储，所以图像处理狭义上专指数字图像处理。另外，基于光学理论的图像处理方法依然占有举足轻重的地位。图像处理是信号处理的子类，另外图像处理与计算机科学的理论发展、人工智能的应用等领域也有密切的关系。传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。但是，图像属于二维信号，单单与一维信号相比，它不仅有自己独特的一方面，而且处理的方法和对其观察的视角也有很大不同。
从远古时代的用石头凿出的墙画再到当代世界的用数字存储的图像,图像已经作为一种不可或缺的信息的强载体,承载了当今社会百分之八十以上的信息数据量,而且也是人类作为高等生物得到和处理这些信息的十分重要方式。由于数字图像在生成、上传或下载等各个阶段都有可能受到“噪声”的干扰,对接下来的计算机处理图像的步骤,尤其对图像分割、特征提取、图像识别等过程产生直接影响,并带来诸多问题。因此,图像平滑是图像处理重要的预处理过程。
（一）国内外研究现状
在整个数字、图像处理领域中，由于处理图像的技术应用和接下来的后续步骤息息相关，所以本文所描述的对图像的去噪技术的研究，也是计算机学科发展的重要课题。根据噪声对图像的影响以及不同噪声和不同图像之间的差异，国内外许多学者提出了对后世有十分重要的研究成果，我们可以将图像去噪的算法大范围分成两大类——频域去噪和空间域去噪算法。如果更为细致划分，还可以划分线性和非线性，比如：高斯滤波算法[1][2]、中值滤波算法[3][4][5][6],非局部平均滤波算法[7][8][9][10],各项异性扩散方程[11][12][13][14],全变分模型[15]、小波变换滤波器[16][17][18]、以及在独立分量上分析的去噪算法[19][20][21]等等。
图像的空间域滤波：用各种模板直接与图像进行卷积运算，实现对图像的处理，这种方法直接对图像空间操作，操作简单。图像处理不仅可以在空间域进行还可以在频率域进行，把空间域的图像开窗卷积形式，变换得到频率域的矩阵点乘形式得到比较好的效果。图像频域滤波，先把图像转换到频域空间，然后对不同的频率点进行滤波，使用信号处理的技术，对图像实现滤波。比如实现图像的轮廓提取，在空间域滤波中我们使用一个拉普拉斯模板就可以提取，而在频域内，我们使用一个高通滤波模板，可以实现轮廓的提取。
空域滤波就是去噪算法在整个空间域上对数字图像来进行直接的处理，该方法通常用构造起来比较简单，并且算法处理的速度也很快。根据算法处理方式的不同，空域滤波方法又被分为领域处理方法和点处理方法两类。其中领域处理的方法就是对输入的图像进行更小区域的模板的滤波处理的方法，但是点处理法是对图像的各个像素点的灰度逐个的来进行分析的方法。常见的空域滤波方法有中值滤波方法、以及低通滤波方法等。空域滤波在数字图像处理领域有如下定义：使用空域模板进行的图像处理，被称为空域滤波；模板本身被称为空域滤波器。
傅里叶变换可以把图像从空域变换到频域，而傅里叶反变换可以将图像的频谱变换为空域图像。可以利用图像空域和频域之间的对应关系，尝试将空域卷积滤波变换为频域滤波，而后再将频域滤波处理后的图像反变换回空间域，从而达到图像增强的目的。但是和空域滤波的方法有所差异的是，频域滤波处理的方法则是对图像进行某种确定的变换，首先要通过一系列的接着再对数据进行换算处理，将图像从空间域经过种种变换转化的到频域并对变换后的图像数据进行某种确定的操作，这样完成后再对数据进行逆向变换，将它从频域转换到空间域上，这样就可以实现对图像的噪声抑制处理，其中经典算法方法有Wiener滤波算法[22]、小波方法[23]等。
（二）研究主要成果
