为什么去除噪点后图像会变得模糊？
Why does images gets blurry after removing noise?
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并将其替换为中间像素。该像素应该根据该值变暗或变亮，但不会模糊。那么为什么会变得模糊呢？提前致谢...
图像是由您的相机捕获的光分布的离散表示。假设您的镜头已聚焦且光学分辨率足够，那么每个像素都带有独特的信息。一旦您用该像素周围环境的平均值替换该唯一信息，您就会丢失该信息，或者假设您将其散布在其附近。当然，像素本身只会改变它的值。但这是对所有像素完成的。那就是您失去高频并且图像变得模糊的地方。
愚蠢的例子：取 3 种不同的颜料，将 3 个点彼此相邻，然后用手指将它们混合。这些点过去只是稍微改变了颜色的位置。但是您看不到任何点，也看不到 3 种不同的颜色。
要理解这一点，您需要了解图像中低频和高频分量的概念。在图像中，space 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）。同样，高频占据那些像素强度变化很大的区域（即具有很多边缘的区域）：
平均滤波器属于低通滤波器。以高斯模糊函数为例。由于高斯的傅立叶变换是高斯变换，因此它充当低通滤波器。这意味着它将从图像中过滤掉高频信息（具有大量变化的边缘和区域）。这就是为什么用低通滤波器卷积的图像看起来很模糊。
现在假设您不想使用频域分析来理解它。模糊函数试图平滑图像，即从一个强度到另一个区域的过渡非常平滑。在执行此操作时，模糊功能会减少图像中的边缘内容。以下面的一维数组为例
A= [0 0 0 255 0 0 0]
如果您用 window 码 3 码取平均值。结果如下：
B = [0 0 85 85 85 0 0]
因此，我们观察到较暗的像素变得更亮，而明亮的像素变得相对较暗。另一种看待它的方式是平滑边缘。
由于自然图像往往有很多边缘细节，平均操作可以平滑图像内容并从图像中去除高频细节（边缘+噪声）。图像看起来清晰是由于其中的边缘信息。因此，用低通滤波器平均或卷积的图像看起来很模糊。
想象一个半白半黑的图像，具有急剧的过渡。
想象一下逐渐越过边界的滑动 window。 window 内的平均值首先是纯白色，然后是灰色，逐渐变暗，直至全黑。这是因为 window 包含白色和黑色的可变混合。
最后，你会得到一个和window一样大的平滑过渡区域：边界模糊。
模糊的产生是因为构成图像细节的像素混合在一起。实际上，图像信息是沿着边缘找到的，这些信息通过平均得到"erased"。
更好的去噪方法（例如双边滤波器）注意避免对边缘进行平均（无论如何您都看不到噪声）。
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并将其替换为中间像素。该像素应该根据该值变暗或变亮，但不会模糊。那么为什么会变得模糊呢？提前致谢...
图像是由您的相机捕获的光分布的离散表示。假设您的镜头已聚焦且光学分辨率足够，那么每个像素都带有独特的信息。一旦您用该像素周围环境的平均值替换该唯一信息，您就会丢失该信息，或者假设您将其散布在其附近。当然，像素本身只会改变它的值。但这是对所有像素完成的。那就是您失去高频并且图像变得模糊的地方。 愚蠢的例子：取 3 种不同的颜料，将 3 个点彼此相邻，然后用手指将它们混合。这些点过去只是稍微改变了颜色的位置。但是您看不到任何点，也看不到 3 种不同的颜色。
要理解这一点，您需要了解图像中低频和高频分量的概念。在图像中，space 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）。同样，高频占据那些像素强度变化很大的区域（即具有很多边缘的区域）：
平均滤波器属于低通滤波器。以高斯模糊函数为例。由于高斯的傅立叶变换是高斯变换，因此它充当低通滤波器。这意味着它将从图像中过滤掉高频信息（具有大量变化的边缘和区域）。这就是为什么用低通滤波器卷积的图像看起来很模糊。
现在假设您不想使用频域分析来理解它。模糊函数试图平滑图像，即从一个强度到另一个区域的过渡非常平滑。在执行此操作时，模糊功能会减少图像中的边缘内容。以下面的一维数组为例
A= [0 0 0 255 0 0 0]
如果您用 window 码 3 码取平均值。结果如下：
B = [0 0 85 85 85 0 0]
因此，我们观察到较暗的像素变得更亮，而明亮的像素变得相对较暗。另一种看待它的方式是平滑边缘。
由于自然图像往往有很多边缘细节，平均操作可以平滑图像内容并从图像中去除高频细节（边缘+噪声）。图像看起来清晰是由于其中的边缘信息。因此，用低通滤波器平均或卷积的图像看起来很模糊。
想象一个半白半黑的图像，具有急剧的过渡。
想象一下逐渐越过边界的滑动 window。 window 内的平均值首先是纯白色，然后是灰色，逐渐变暗，直至全黑。这是因为 window 包含白色和黑色的可变混合。
最后，你会得到一个和window一样大的平滑过渡区域：边界模糊。
模糊的产生是因为构成图像细节的像素混合在一起。实际上，图像信息是沿着边缘找到的，这些信息通过平均得到"erased"。
更好的去噪方法（例如双边滤波器）注意避免对边缘进行平均（无论如何您都看不到噪声）。