图像高斯模糊和均值模糊

模糊原理：

1. 模糊原理和上几节说的图像掩模矩阵有很多相似的地方，都是拿一个矩阵（3X3, 5X5）等，和原图从左向右从上到下分别进行卷积，将卷积值最后赋值个当前卷积的中心像素。

2. 那么其最关键的参数，也就在于矩阵的大小和矩阵的值，我们通常称矩阵为卷积核。

3. 模糊操作的重要原因之一也是为了给图像预处理时降低噪声。

均值模糊：
均值模糊，也称为均值滤波，相当于卷积核的矩阵值全部为1/(卷积SIZE)，如下图所示：

均值模糊API：

高斯模糊：越靠近卷积核的领域权重越大。
均值模糊：领域权重都为1。
而无论是高斯模糊或者是均值模糊，有一个缺点是他们在模糊的时候并不能很好的保留
边缘信息。因此双边滤波便很好客服了这一缺陷。原理如图：

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main() {
	Mat src, gblur,dst;
	src = imread("C:/Users/Luyubo/Pictures/Lena.jpg");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);
	
	//gaussian blur
	GaussianBlur(src, gblur, Size(11, 11), 11, 11);
	namedWindow("gaussian blur", CV_WINDOW_AUTOSIZE);
	imshow("gaussian blur", gblur);
	//medianBlur(src, dst, 3);
	//双边滤波
	bilateralFilter(src, dst, 15, 100, 5);
	namedWindow("BiBlur Filter Result", CV_WINDOW_AUTOSIZE);
	imshow("BiBlur Filter Result", dst);

	//Mat resultImg;
	//Mat kernel = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
	//filter2D(dst, resultImg, -1, kernel, Point(-1, -1), 0);
	//imshow("Final Result", resultImg);

	waitKey(0);
	return 0;
}