基于opencv的高斯与中值滤波

高斯滤波：高斯滤波是一种线性平滑滤波，在高斯滤波中，会将中心点的权重值加大，远离中心点的权重值减小，在此基础上计算邻域内各个像素值不同权重的和。高斯滤波器相比于均值滤波器而言，对图像模糊程度较小，更能保持图像的整体细节。

gaussian = cv2.GausianBlur(src, ksize，sigmaX)

src：需要处理的图像  ksize：滤波核的大小，值为奇数  sigmaX：卷积核在水平方向(x轴方向)的标准差，控制的是权重比例

（1）在核大小固定的情况下，sigma值越大，权值分布越平缓。因此，邻域各个点的值对输出值的影响越大，最终结果造成图像越模糊。

（2）在核大小固定的情况下，sigma值越小，权值分布越突起。因此，邻域各个点的值对输出值的影响越小，图像变化也越小。

#代码展示

中值滤波：中值滤波不再采用加权求均值的方式计算滤波结果，它用邻域内所用像素的中间值代替当前像素点的像素值。

median = cv2.medianBlur(src,ksize)

src：需要处理的图像  ksize：滤波核的大小，必须为大于1的奇数

由于中值滤波器没有进行加权处理，它不会存在均值滤波器等带来的细节模糊问题，在中值滤波中，由于噪声不同于邻域的像素，故它很难被选上，所以几乎可以在不影响原有图像的情况下去除全部噪声。但由于要排序进行中值的选择，故运算量较大。

#显示所有图像

np.vstack():在竖直方向上堆叠

np.hstack():在水平方向上平铺