opencv-python学习（三）图片的平滑滤波处理

目录

前言：

1. 大致原理说明

2. 常用参数

滤波方式

1. 高斯滤波

2. 均值滤波

3. 方框滤波

4. 中值滤波

5. 双边滤波

6. 自定义卷积核滤波

---

前言：

1. 大致原理说明

图像的平滑滤波处理本质上就是定义一个N×N的矩阵分别按照一定算法与像素值进行运算，最后改变N×N的矩阵中间点像素值的结果，也就是图像平滑的结果。

这样的话，使N×N矩阵的中心点与周围(N的平方-1)个点有着数学关系，就可以利用这种数学关系来使图像颜色的突变 变得不那么明显。这也就是平滑滤波的基本原理。

上文中的N×N矩阵被成为平滑滤波的卷积核。

下文中提到的卷积核也就是N×N矩阵。（N必须要是奇数，两个N可以不同）

一般我们使用3×3或者5×5，在传入函数参数时，应使用元组的形式(3，3)，(5，5)，（3，5）。

一个卷积核区域所有值与卷积核本身权重相乘再相加（有可能会归一化）得到卷积核中间像素点的值。（主要是卷积核的权重，和归不归一化）

滤波方式有高斯滤波、均值滤波、方框滤波、中值滤波和双边滤波。（5种）

还有一种称作2D卷积核滤波，也叫做自定义卷积核。也就是说他可以由我们自己设定卷积核来处理图像，而不用被以上5种方式所拘束。

2. 常用参数

先大概说一下常用的参数：（下文函数需要这些参数将不再过多阐述，请读者翻到这里查阅）

dst：返回滤波后图像的结果。

src：表示原始图像（需要进行处理的图像）。

ksize：表示滤波用的卷积核大小，卷积核的数值一定是奇数。传入为（3，3）、（5，5）。

borderType：表示以哪种方式处理边界值。（可以不传该参数）

anchor：