1、图像滤波

在尽量保持图像细节特征的前提下，对图像的噪点进行抑制，消除图像中的噪声成分叫做图像的平滑化或滤波操作。

信号或图像的能量大部分集中在中低频段，在高频段，有用的信息常被噪声淹没。所以一个能降低高频成分幅度的滤波器就能够减弱噪声的影响。

图像滤波目的

抽出特定频段的特征作为图像识别的依据；

消除图像数字化时混入的噪声；

滤波处理要求

不能损坏图像轮廓、边缘等重要信息；

使图像清晰、视觉效果好；

平滑滤波有两类：（1）为了模糊；（2）为了消除噪音；

滤波器：一个包含加权系数的窗口，将窗口放在图像之上，透过窗口看我们得到的图像。

2、线性滤波器

3、滤波和模糊

滤波是将信号中特定频段滤除，是抑制和防止干扰的一项重要措施。滤波可分为低通滤波和高通滤波；低通：模糊，高通：锐化

比如高斯滤波：

高斯滤波就是指高斯函数作为滤波函数的滤波操作；
高斯模糊就是高斯低通滤波；

4、领域算子

邻域算子：本像素周围的像素值来决定此像素的最终输出值的一种算子。

邻域算子作用：局部调色；图像滤波，实现平滑和锐化；去燥；边缘增强；

线性邻域滤波：一种常用的邻域算子，像素的输出值取决于输入像素的加权和，用不同的权重去结合一个邻域内的像素，得到最终的像素值。

h(x,y)称为核，是滤波器的加权系数，即滤波系数。

过程=CNN里的卷积

5、方框滤波boxFilter

核：

normalize=true，就成了均值滤波。归一化：将要处理的量缩放到一个范围，方便统一处理；

noramlize=false，计算像素邻域内的积分特性，如密集光流算法中的协方差矩阵。

7、均值滤波blur

最简单的滤波操作。

输出图像每个像素是核窗口内对应范围的所有像素的均值，也就是归一化后的方框滤波。

主要方法：邻域平均法。

缺点：不能很好地保护图像细节，去燥的同时也破坏了图像细节，是图像变得模糊。

8、高斯滤波

线性平滑滤波，可以消除高斯噪声。图像与正态分布做卷积，正态分布也叫高斯分布。

图像与圆形方框模糊做卷积能生成更加精确地焦外成像结果。由于高斯函数的傅里叶变换是另外一个高斯函数，所以高斯模糊就相当于对图像来说是个低通滤波操作。

高斯滤波器对于抑制服从正态分布的噪声非常有效。

μ是正态分布的位置参数，描述正态分布的集中趋势位置。正态分布以X=μ为对称轴，左右完全对称。正态分布的期望、均数、中位数、众数相同，均等于μ。

σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。

一般用二维零均值离散高斯函数做平滑滤波器。

高斯滤波函数GaussianBlur