OpenCV：入门（三）

图像平滑处理

在尽量保留图像原有信息的情况下，过滤掉图像内部的噪声，这一过程称为对图像的平滑 处理，所得的图像称为平滑图像。

一，均值滤波

均值滤波是指用当前像素点周围 N·N 个像素值的均值来代替当前像素值。使用该方法遍 历处理图像内的每一个像素点，即可完成整幅图像的均值滤波。

（1）基本原理

在进行均值滤波时，首先要考虑需要对周围多少个像素点取平均值。通常情况下，我们会 以当前像素点为中心，对行数和列数相等的一块区域内的所有像素点的像素值求平均。得到的平均值作为该点的值。卷积核的大小可以为3x3，5x5等奇数的正方形。

如果要处理的点不满足卷积核的大小该怎么办呢？比如要处理的点位于左上角，如下图：

遇到这种情况，我们只需要扩充一下外边界，扩充到卷积核可以使用的大小：

我们可以在新添的行列中加入值，这样就可以继续卷积操作了。

上面我们多次提及卷积核的概念，那么卷积核是什么呢？

回顾均值滤波的操作，我们不难发现这个过程本质上就是将原图像的矩阵与一个充满1/n元素的nxn（n一般为奇数）矩阵点乘的结果：

 化简得到：

图中右侧就称为卷积核，卷积核也不一定就全是一样的值，后面我们将提及不同的卷积核（方框滤波，高斯滤波等），你可以认为卷积核内的大小意味着权重大小，均值滤波显然是等权重的。 

一般形式为：

，M 和 N 分别对应高度和宽度。一般情况下，M 和 N 是相等的，例如比较常用的 3×3、5×5、 7×7 等。如果 M 和 N 的值越大，参与运算的像素点数量就越多，图像失真越严重。 

（2）函数语法

dst = cv2.blur( src, ksize, anchor, borderType )

• dst 是返回值，表示进行均值滤波后得到的处理结果。
• src 是需要处理的图像，即原始图像。它可以有任意数量的通道，并能对各个通道独立 处理。图像深度应该是 CV_8U、CV_16U、CV_16S、CV_32F 或者 CV_64F 中的一种。
• ksize 是滤波核的大小。 anchor 是锚点，其默认值是(-1, -1)，表示当前计算均值的点位于核的中心点位置。该 值使用默认值即可，在特殊情况下可以指定不同的点作为锚点。
• borderType 是边界样式，该值决定了以何种方式处理边界，其值如表 7-1 所示。一般情 况下不需要考虑该值的取值，直接采用默认值即可。