中值滤波，otsu法图像分割，二值图像腐蚀，Hough（哈夫）变化，边缘检测，亚像素

是图像处理方面的书籍，这些概念都是要利用到计算机图形学做基础的，推荐你两类书，一类就是介绍图像图形基本概念的计算机图形学，另一类是图像处理，图像分析这类书，还有些书是利用Matlab软件具体进行图像处理的，这也是一个线索。网上很多，你可以随便搜，凡是书名含图像处理的，都会有这些东西。

高斯滤波
由于高斯函数的傅立叶变换仍是高斯函数, 因此高斯函数能构成一个在频域具有平滑性能的低通滤波器。可以通过在频域做乘积来实现高斯滤波。均值滤波是对是对信号进行局部平均, 以平均值来代表该像素点的灰度值。矩形滤波器(Averaging Box Filter)对这个二维矢量的每一个分量进行独立的平滑处理。通过计算和转化 ,得到一幅单位矢量图。这个 512×512的矢量图被划分成一个 8×8的小区域 ,再在每一个小区域中 ,统计这个区域内的主要方向 ,亦即将对该区域内点方向数进行统计,最多的方向作为区域的主方向。于是就得到了一个新的64×64的矢量图。这个新的矢量图还可以采用一个 3×3模板进行进一步的平滑。
均值滤波
把每个像素都用周围的8个像素来做均值 *** 作。可以平滑图像，速度快，算法简单。但是无法去掉噪声，这能微弱的减弱它。
中值滤波
常用的非线性滤波方法 ,也是图像处理技术中最常用的预处理技术。它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘。加权中值滤波能够改进中值滤波的边缘信号保持效果。但对方向性很强的指纹图像进行滤波处理时 ,有必要引入方向信息,即利用指纹方向图来指导中值滤波的进行。
最小均方差滤波器
亦称维纳滤波器,其设计思想是使输入信号乘响应后的输出,与期望输出的均方误差为最小。
Gabor滤波
Gabor变换是英国物理学家 Gabor提出来的,由“测不准原理”可知,它具有最小的时频窗,即Gabor函数能做到具有最精确的时间-频率的局部化；另外, Gabor函数与哺乳动物的视觉感受野相当吻合,这一点对研究图像特征检测或空间频率滤波非常有用。恰当的选择其参数, Gabor变换可以出色地进行图像分割、识别与理解。如文献提出的基于Gabor滤波器的增强算法。

可以尝试以下方法进行处理：
1、去除图像噪声：采用降噪算法去除图像噪声，比如中值滤波、高斯滤波等方法。这样可以使得图像边缘更加清晰，减少异常边界。
2、边缘检测：使用边缘检测算法检测出图像的边缘，如Canny算法、Sobel算法等。这样可以将图像的边缘区域和背景分离开来。
3、阈值分割：使用阈值分割算法将图像分为两个部分，比如背景和目标区域。这样可以更好地区分异常边界和正常区域。
4、图像腐蚀和膨胀：可以利用形态学 *** 作方法，如腐蚀和膨胀来去除异常边界。腐蚀可去除边缘内侧的噪声，膨胀则可弥合边缘缺陷。

其实都可以对彩色图像处理的，只是matlab里面的实现不一致。均值滤波和中值滤波matlab函数只考虑了单通道当然就必须转换成灰度图像;小波降噪的matlab函数不知道你是用的那个，肯定也需要把三通道的彩色图像先转换成单通道，分别去噪以后再整合成彩色图像。总的来说一般图像去噪都是对单通道来处理的，因为大部分的filter都是对二维矩阵来 *** 作的，要是对三通道处理也需要分别对不同的通道处理再整合。

在数字图像中开一窗口，比如33的，在计算机中把九个像元的数值取平均值作为中间像元的数值，（所以叫均值）再将窗口向右平移，直至整幅图像都做完。至于图像的边缘，一般采取加行加列，和中值滤波原理差不多（中值滤波是取九个像元的从大到小或从小到大的中间值），我学的是遥感图像处理，希望能帮到你。

---