OpenCV2编程手册笔记之 6.2使用低通滤波器

    低通滤波器的意义在于降低图像变化的幅度，一种方案是将每个像素替换为相邻像素的平均值。这样，快速的强度变化就能转化为平缓的过渡。

    常见的函数有两个，首先介绍

  cv::blur

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

    我们首先理解一下blur函数的原理，blur函数使用一个由用户定义的n*n的矩阵，并和选定的图像进行卷积运算，并把得到的值重新赋值给Point，我们也称其为锚点。例如一个3*3的矩阵（这个矩阵一定是归一的）：

    1/9    1/9    1/9          1    2    3

    1/9    1/9    1/9          4    5    6

    1/9    1/9    1/9          7    8    9

    前面是用户定义矩阵，后面是目标图像的矩阵，那么二者作用就是对应项相乘。最后把乘值赋值给对应的锚点。

    在后面这个矩阵中，5代表着锚点（0， 0），同理，1代表着锚点（-1， -1）

    也就是说，在作用之后，1将会被重新赋值为5。之后矩阵移动，再重新计算，这样，就使得图像趋于平滑。

   

    第二个常用函数是

  cv::GaussianBlur

  void GaussianBlur( InputArray src, OutputArray dst, Size ksize,
                                double sigmaX, double sigmaY = 0,
                                int borderType = BORDER_DEFAULT );

    这个函数中，唯一需要说的就是sigmaX，在这里我们不讨论数学，只需知道，这个值越大，生成的图像就越平坦。

    源码万分简单：

  int main()
  {
      cv::Mat image = cv::imread("F:\\Image\\boldt.jpg");
      cv::Mat result_blur, result_Gau;
      cv::blur(image, result_blur, cv::Size(5, 5), cv::Point(0, 0));
      cv::GaussianBlur(image, result_Gau, cv::Size(5, 5), 1.5);
      cv::imshow("Filtered by Blur", result_blur);
      cv::imshow("Filtered by Gau", result_Gau);
      cv::waitKey(0);
      return 0;
  }

    两个结果：