线性滤波（卷积，均值滤波，方框滤波，高斯滤波）

图像线性滤波

（1）图像卷积

卷积后的图像结果可能会出现负数或者超出255的情况，这种时候我们直接截断就可以了，对于负数可以直接取绝对值，
平滑，模糊，去噪，锐化，边缘提取其实都可以用卷积来实现。

OPenCV中利用filter2D（）完成图像卷积操作

CV_EXPORTS_W void filter2D(
	InputArray src,
	OutputArray dst,
	int ddepth,
	InputArray kernel,
	Point anchor=Point(-1,1),
	double delta=0,
	int borderType=BORDER_DEFAULT;
);

src:输入图像

dst：输出图像。输出图像和输入图像具有相同尺寸与通道数量。

ddepth：目标图像深度。当输入值为-1时，目标图像深度和源图像深度保持一致

kernel：卷积核，是一个矩阵。

Point anchor=Point(-1,1)：内核的基准点。其默认值为(-1,1),说明基准点即核中与进行处理的像素点重合的点。

double delta=0：在储存目标图像前可选的添加到像素的值，默认值为0。

（2）均值滤波-----blur函数

void blur(
    InputArray src, 
    OutputArray dst, 
    Size ksize, 
    Point anchor=Point(-1,-1), 
    int borderType=BORDER_DEFAULT 
);

（1）src: 输入图像，待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。

（2）dst: 目标图像，与输入图像有相同的尺寸和类型。

（3）int类型的ddepth，输出图像的深度，-1代表使用原图深度，即src.depth()。

（4）ksize : 内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小

（5）anchor: 表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。

代码演示：

void boxFilter_demo(Mat& img)
{
	Mat dst;
	boxFilter(img, dst,-1, Size(5, 5), Point(-1, -1));
	imshow("滤波后", dst);
}

（3）方块滤波-----boxFilter函数

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

（1）src: 输入图像，待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。

（2）dst: 目标图像，与输入图像有相同的尺寸和类型。

（3）int类型的ddepth，输出图像的深度，-1代表使用原图深度，即src.depth()。

（4）ksize : 内核的大小。一般这样写Size( w,h )来表示内核的大小( 其中，w 为像素宽度， h为像素高度)。Size（3,3）就表示3x3的核大小，Size（5,5）就表示5x5的核大小

（5）anchor: 表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1)。如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。

（6）normalize : 默认值为true，一个标识符，表示内核是否被其区域归一化（normalized）了。

（7）borderType: 用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT。

代码演示：

void blur_demo(Mat& img)
{
	Mat dst;
	blur(img, dst, Size(5, 5), Point(-1, -1));
	imshow("滤波后", dst);
}

（4）高斯滤波----GaussianBlur函数

void GaussianBlur(
    InputArray src,
    OutputArray dst, 
    Size ksize, 
    double sigmaX, 
    double sigmaY=0, 
    intborderType=BORDER_DEFAULT 
);

（1）src: 输入图像，待处理的图片深度应该为CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F之一。

（2）dst: 目标图像，与输入图像有相同的尺寸和类型。

（3）int类型的ddepth，输出图像的深度，-1代表使用原图深度，即src.depth()。

(4）double类型的sigmaX，表示高斯核函数在X方向的的标准偏差。

（5）double类型的sigmaY，表示高斯核函数在Y方向的的标准偏差。若sigmaY为零，就将它设为sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height计算出来。

代码演示;

void gaussian_blur_demo(Mat& img)
{
	Mat dst;
	GaussianBlur(img, dst, Size(5,5),20);
	imshow("gaussian_blur_demo", dst);
}

代码演示;

void QuickDemo::gaussian_blur_demo(Mat& img)
{
	Mat dst;
	GaussianBlur(img, dst, Size(5,5),20);
	imshow("gaussian_blur_demo", dst);
}