图像滤波

描述图像的两种观点

1、频域：观察图像中（灰度）变化的频率

2、空间域：观察图像灰度分布

频域

低频区域：图像（灰度）变化缓慢的区域（例如纯色区域）

高频区域：图像（灰度）变化剧烈的区域

图片的频率变化包括 水平变化（沿X方向上的变化）和 垂直变化

高通/低通滤波

低通滤波：除去高频成分

高通滤波：除去低频成分

箱式滤波器blur

cv::blur也叫均值滤波器，作用是将每个像素替换成其相邻矩形内像素的平均值，是一个典型的 低通滤波器。

以一个3*3的箱式滤波器为例作用方式如下：

右边的矩阵被称为核（或者掩码）。

这种作用方式就是卷积过程。

高斯滤波器GaussianBlur

cv::GaussianBlur是在cv::blur基础上的改进，该算法作用是将每个像素替换成其相邻矩形内像素的加权平均值，使得离得近的像素拥有更大的权重，而这个加权规则是基于高斯函数的。

高斯函数：即钟形曲线函数。 ，西格玛 数值决定了高斯函数的高度，归化系数A使得权重之和始终为1（即积分为1）。

低通滤波应用

图片放大缩小时，需要用到低通滤波。在图片缩小时，为了避免图片边缘出现楼梯状，需要先对原图进行低通滤波，然后隔行、列去除像素。

线性滤波和非线性滤波

诸如箱形滤波和高斯滤波这类 将逐个像素替换成相邻像素的加权总和（通过固定的核矩阵实现） 的滤波器被称为 线性滤波。

另外有些滤波器，也是通过对像素点相邻像素进行计算得出某个像素点值，但是没有固定的核矩阵，这样的滤波器被称为 非线性滤波器。

中值滤波器

cv::mediaBlur是典型的 非线性滤波器，同时也是低通滤波器，它计算像素点周围区域像素的中值（注意，不是均值，而是中位数），并将这个中值作为像素点的值。中值滤波对椒盐噪声十分有效，因为椒盐噪声点不可能作为中值出现，所以必定会被某个临近像素替换掉，而均值滤波则受到椒盐噪声影响较大。

中值滤波优点：对椒盐噪声十分有效，可保持边缘锐利度

中值滤波缺点：对纹理破坏较大。

使用高通滤波器进行边缘检测