opencv中图像模糊--线性滤波

三种线性滤波：

1.方框滤波

void boxFilter( InputArray src, OutputArray dst, int ddepth,
                             Size ksize, Point anchor = Point(-1,-1),
                             bool normalize = true,
                             int borderType = BORDER_DEFAULT );

参数ddepth：输出图像的深度
参数ksize：模板窗口的大小
参数anchor：锚点，在模板中的位置，也是原图与模板卷积后像素值输出的位置
参数normalize：归一化，是将模板内的像素值全部归一化为1，求加权和，也就是均值滤波；
如果不进行归一化，就是直接进行累加，可以用来计算图像的积分特性

2.均值滤波（归一化后的方框滤波）

void blur( InputArray src, OutputArray dst,
                        Size ksize, Point anchor = Point(-1,-1),
                        int borderType = BORDER_DEFAULT );
  均值滤波模板系数均为1
  缺点：就是不能很好地保护细节，在图像去燥的同时也破坏了图像的细节部分

3.高斯滤波

  void GaussianBlur( InputArray src, OutputArray dst, Size ksize,
                                double sigmaX, double sigmaY = 0,
                                int borderType = BORDER_DEFAULT ); 
  支持就地操作
  参数 ksize：必须是正奇数，或者为0，此时大小有sigma计算出
  参数sigmaX：X方向的标准差
  参数sigmaY：Y方向的标准差；当sigmaY = 0时，设置其等于sigmaX；当sigmaX，Y = 0 时，其值由ksize计算出                             

特点：和均值滤波相似，都是取均值，但是模板系数的权重不一样，越靠近模板中心，系数值越大，（权重是根据二维正态分布得到的）

标准差（sigma）对模板系数的影响：

sigma越大，正态分布越扁平，各部分的比重差别不大，所以模板系数的差别不大，会更加趋近于均值滤波
sigma越小，正态分布越高尖，比重会集中在中心区域，所以模板的中心系数会远大于其他值，会趋近于仅对中心点进行点运算，这样模糊效果就会减弱，去燥能力下降
所以说，标准差的大小实际是对权重分配的再调整。

3*3的高斯模板