【OpenCV】5种图像滤波辨析：方框、均值、高斯、中值、双边

图像滤波

什么是图像滤波

图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。（摘自网络）

图像滤波的目的

1，消除图像中混入的噪声
2，为图像识别抽取出图像特征

图像滤波的要求

1，不能损坏图像轮廓及边缘
2，图像视觉效果应当更好

滤波器的定义

滤波器，顾名思义，是对波进行过滤的器件。（摘自网络）
以上的定义是针对物理器件的，但对于图像滤波而言显然也是适用的。

大家都用过放大镜，这里就以此举一个例子：你将放大镜移动的过程中可以看到放大的物体，滤波器就是一个承载着加权系数的镜片，这里就是透过镜片可以看到经过平滑处理过的图像，透过镜片以及伴随着镜片的移动你可以逐渐所有的图像部分。

滤波器的种类

3种线性滤波：方框滤波、均值滤波、高斯滤波
2种非线性滤波：中值滤波、双边滤波

方框滤波

方框滤波所用到的核：

当normalize为true时，方框滤波也就成了均值滤波。也就是说均值滤波是方框滤波归一化后的特殊情况。

归一化就是将要处理的量缩放到一定范围，比如（0，1）。

（函数解析均在后文中统一提供）

均值滤波

如上所说，均值滤波就是normalize为true的情况，此时就是在平均值。均值滤波在去噪的同时破坏了图像的细节部分，也使得图像变得更加模糊。

高斯滤波

高斯滤波则不同，其能够很好的消除噪声。高斯滤波过程中，每个像素点都是由本身和邻域内的其他像素值经过加权平均后得到的。

从数学的角度来看，图像的高斯模糊过程就是图像与正态分布做卷积，由于正态分布也被称为高斯分布，因此这项技术被称为高斯模糊。

由于高斯函数的傅里叶变换是另外一个高斯函数，所以高斯模糊对图像来说就是一个低通滤波器。

N维空间正态分布方程和二维空间正态分布分别为：

中值滤波

中值滤波的基本思想是用像素点邻域灰度值的中值来代替该像素的灰度值，该方法在去除脉冲噪声、椒盐噪声的同时还能保留图像的细节部分。

中值滤波花费的时间比均值滤波更久，但其在噪声的消除能力上更强。

双边滤波

双边滤波是结合图像的空间邻近度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，达到保留边缘且去除噪声的目的。

函数原型

方框滤波

void boxFilter(InputArray src, OutputArray dst, int ddepth, Size ksize, Point anchor = Point(-1,-1), 
    bool normalize = true, int borderType = BORDER_DEFAULT)

均值滤波

void blur(Input src, OutputArray dst, Size ksize, Point anchor = Point(-1,-1), 
    int borderType = BORDER_DEFAULT)

高斯滤波

void GaussianBlur