1. Filtros de suavizado (filtros de paso bajo): Estos filtros difuminan la imagen promediando valores de píxeles. Reducen el ruido y los detalles finos.
* Filtro de promedio: Todos los valores del núcleo son iguales (por ejemplo, un núcleo 3x3 con todos los valores 1/9). Simple y computacionalmente económico, pero puede causar un desenfoque significativo.
* Filtro gaussiano: Los valores del núcleo siguen una distribución gaussiana. Produce un desenfoque más suave que un filtro de promedio y es menos probable que introduzca artefactos. La desviación estándar del gaussiano determina la cantidad de desenfoque.
* Filtro medio: Esto es *no lineal *, pero a menudo se agrupa con filtros lineales debido a su aplicación similar. Reemplaza el píxel central con el valor medio de los píxeles en el núcleo. Excelente para eliminar el ruido de sal y pimienta mientras preserva los bordes mejor que el promedio.
2. Filtros de afilado (filtros de paso alto): Estos filtros mejoran los bordes y detalles al enfatizar las diferencias en los valores de píxeles.
* Filtro laplaciano: Utiliza un núcleo que se aproxima a la segunda derivada de la imagen. Destaca las áreas de cambio de intensidad rápida. A menudo se usa para la detección de bordes. Existen variaciones, incluidos los laplacios conectados a 4 y 8 conectados.
* un enmascaramiento de unsharp: Resta una versión borrosa de la imagen del original, mejorando los componentes de alta frecuencia. Proporciona un afilado más controlado que Laplacian.
* Operador de Sobel: (y Prewitt y Kirsch) Estos son operadores de gradiente que se aproximan al gradiente de imagen, destacando los bordes en una dirección específica. Producen mapas de borde en lugar de afilar la imagen original directamente.
3. Filtros direccionales: Estos filtros son sensibles a orientaciones específicas en la imagen.
* Roberts Cross Operator: Un detector de borde simple sensible a los bordes diagonales.
* Operador de Sobel (nuevamente): Mientras se usa para la detección general de borde, se pueden usar diferentes orientaciones del núcleo de Sobel para enfatizar los bordes en direcciones horizontales o verticales.
4. Otros filtros lineales:
* Filtros derivados: Estos filtros se aproximan a las primeras o segunda derivadas de la intensidad de la imagen. Utilizado para la detección de borde y la extracción de características. Los ejemplos incluyen los filtros Sobel, Prewitt y Laplacian mencionados anteriormente.
* Filtro de identidad: Un núcleo con un 1 en el centro y 0 en otro lugar. Este filtro deja la imagen sin cambios.
Consideraciones importantes:
* Tamaño del núcleo: El tamaño del núcleo afecta la extensión del filtrado. Los núcleos más grandes producen más afilado (suavizado) o un mayor afilado significativo.
* Normalización: Los núcleos para los filtros de suavizado a menudo se normalizan (la suma de pesos es igual a 1) para evitar cambios en el brillo general de la imagen.
* Manejo de límites: A menudo se necesitan técnicas especiales para manejar píxeles cerca de los bordes de la imagen, donde el núcleo puede extenderse más allá del límite de la imagen. Los métodos comunes incluyen relleno con ceros o espejo.
Esta lista no es exhaustiva, pero cubre los tipos más comunes de filtros lineales utilizados en el procesamiento de imágenes. La elección del filtro depende en gran medida de la aplicación específica y el resultado deseado.