图像滤波----低通滤波，中值滤波，高通滤波，方向滤波（Sobel），拉普拉斯变换

---

①观察灰度分布来描述一幅图像成为空间域，观察图像变化的频率被成为频域。
②频域分析：低频对应区域的图像强度变化缓慢，高频对应的变化快。低通滤波器去除了图像的高频部分，高通滤波器去除了图像的低频部分。

(1)低通滤波
①栗子：

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
int main()
{
    // Read input image
    cv::Mat image= cv::imread("boldt.jpg",0);
    if (!image.data)
        return 0; 
    // Display the image
    cv::namedWindow("Original Image");
    cv::imshow("Original Image",image);

  // Blur the image with a mean filter
    cv::Mat result;
    cv::blur(image,result,cv::Size(5,5))；   
    // Display the blurred image
    cv::namedWindow("Mean filtered Image");
    cv::imshow("Mean filtered Image",result);

结果：每个像素变为相邻像素的平均值， 快速的强度变化转化为平缓的过度

②栗子：近的像素添加更多的权重。：高斯滤波器

cv::GaussianBlur(image,result,cv::Size(5,5),1.5);

(2)中值滤波 ：非线性滤波
有效去除椒盐噪点

cv::medianBlur(image,result,5);

（3）方向滤波（Sobel）
强调图像中的高频分量，使用高通滤波器进行边缘检测。
Sobel算子是一种经典的边缘检测线性滤波器，可被认为是图像在垂直和水平方向变化的测量。

#include <iostream>
#include <iomanip>
#include <opencv2/core/core.hpp>