基础入门
图像滤波是数字图像处理中一种非常重要的技术，主要用于图像噪声去除、图像平滑、突出图像特征，或者进行图像风格的转换。它通过数学运算对图像中的像素值进行修改，以达到特定的处理目的。图像滤波可以分为两大类，分别为：线性滤波、非线性滤波。
线性滤波器通过一个固定的权重矩阵（即：滤波核或卷积核）与图像的每个像素及其周围像素进行卷积操作，从而实现对图像的平滑或锐化。这个权重矩阵决定了滤波的效果，常见的线性滤波器有：高斯滤波、均值滤波等。
非线性滤波不遵循线性叠加原则，常见的有中值滤波等。非线性滤波对于消除椒盐噪声尤为有效，因为它能保留边缘细节。
均值滤波
均值滤波是最基础的线性滤波方法，它将每个像素点替换为其邻域像素值的平均值，这有助于消除图像中的随机噪声。在OpenCV中，均值滤波使用cv::blur函数，其函数原型如下。
void cv::blur(InputArray src, OutputArray dst, Size ksize,
Point anchor = Point(-1,-1), int borderType = BORDER_DEFAULT);各个参数的含义如下。
src：需要进行均值模糊处理的图像，类型为cv::Mat。
dst：用于存放处理后的模糊图像，类型为cv::Mat。
ksize：模糊内核的大小，类型为cv::Size，指定在水平和垂直方向上的像素数目。通常使用奇数大小的核，以确保有中心点。
anchor：锚点位置，类型为cv::Point，默认值为Point(-1,-1)，表示锚点位于核的中心。锚点是核中的一个点，用于对应输入图像中的像素位置。如果锚点位于核的边界之外，则其实际位置会根据边界规则调整到核的边界上。
borderType：边界填充类型，决定了图像边界的处理方式。默认值为BORDER_DEFAULT。
在下面的实战代码中，我们首先尝试读取图像文件。读取成功后，利用cv::blur函数应用一个5x5大小的核进行均值滤波，以减少图像中的噪声。最后，我们通过cv::imshow分别显示原始图像和经过滤波处理后的图像。
#include <opencv2/opencv.hpp>
using namespace cv;
#include <iostream>
using namespace std;
int main()
{
Mat srcImage = imread("Snowman.jpg");
if(srcImage.empty())
{
cout << "Can not open or find the image" << endl;
return -1;
}
Mat destImage;
// 使用均值滤波，核大小为5 x 5
blur(srcImage, destImage, Size(5, 5));
imshow("Original Image", srcImage);
imshow("Blurred Image", destImage);
waitKey(0);
destroyAllWindows();
return 0;
}执行上面的代码，运行效果可参考下图。可以看到，通过均值滤波后，图像变得模糊了。
高斯滤波
高斯滤波同样采用卷积的方式，但它使用了加权平均，其中权重是由二维高斯函数确定的。高斯函数确保了中心像素附近的像素权重较大，远离中心的像素权重逐渐减小。这意味着，更靠近中心的像素对结果的影响更大。均值滤波适合对处理速度要求较高且对图像质量损失不敏感的应用，比如：初步的图像预处理。而高斯滤波更适合于需要高质量平滑效果，同时希望尽可能保留图像细节的场合，比如：医学图像处理、图像增强前的预处理等。
在OpenCV中，高斯滤波使用cv::GaussianBlur函数，其函数原型如下。
void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX,
double sigmaY=0, int borderType=BORDER_DEFAULT);各个参数的含义如下。
src：需要进行高斯模糊处理的图像，类型为cv::Mat。
dst：经过高斯模糊处理后的图像，类型为cv::Mat，此参数用于存放处理后的结果。
ksize：高斯核的大小，类型为cv::Size。它定义了在水平和垂直方向上的核大小，通常是一个奇数，以确保有中心点。如果传递一个单个数值，OpenCV会将其视为在两个方向上的相同大小。
sigmaX：水平方向上的高斯核标准差。如果设为0（默认值），函数会自动从ksize.width计算得到。
sigmaY：垂直方向上的高斯核标准差。如果设为0（默认值），函数会将其设为simgaX的值，从而创建一个在两个方向上大小相同的核。
borderType：边界填充类型，用于外部像素的延伸处理。默认值BORDER_DEFAULT通常足够使用，但也可以根据需要选择其他类型，比如：BORDER_CONSTANT、BORDER_REPLICATE等。
同样的一幅图像，经过高斯滤波后，效果可参考下图。
中值滤波
中值滤波主要用于去除图像中的椒盐噪声，同时能很好地保护边缘信息，不会造成模糊效应。在OpenCV中，中值滤波使用cv::medianBlur函数，其函数原型如下。
void cv::medianBlur(InputArray src, OutputArray dst, int ksize);各个参数的含义如下。
src：单通道或多通道图像，类型为cv::Mat。
dst：输出图像，与输入图像具有相同的大小和类型。
ksize：中值滤波器的核大小（宽度和高度必须是奇数且相等），决定了考虑邻域的大小。较大的核尺寸能够过滤掉较大的噪声，但也可能模糊图像中的细节。
同样的一幅图像，经过中值滤波后，效果可参考下图。
总结
图像滤波不仅仅是简单地去噪或平滑图像，它至少在以下四个领域都有着非常广泛的应用。
1、预处理。在进行边缘检测、特征提取等操作之前，常使用高斯滤波去除噪声，减少误检。
2、特征增强。通过特定的滤波器（比如：锐化滤波等），可以增强图像中的边缘和细节，便于后续的特征提取。
3、图像复原。在图像去模糊、去噪等复原任务中，滤波器的选择和设计显得至关重要。
4、艺术效果。通过一些非传统的滤波器（比如：双边滤波等），可以在保留边缘的同时进行平滑，常用于图像风格转换。
