過濾是信號和圖像處理中基本的任務(wù)。其目的是根據(jù)應(yīng)用環(huán)境的不同，選擇性的提取圖像中某些認(rèn)為是重要的信息。過濾可以移除圖像中的噪音、提取感興趣的可視特征、允許圖像重采樣等等。頻域分析將圖像分成從低頻到高頻的不同部分。低頻對應(yīng)圖像強度變化小的區(qū)域，而高頻是圖像強度變化非常大的區(qū)域。在頻率分析領(lǐng)域的框架中，濾波器是一個用來增強圖像中某個波段或頻率并阻塞（或降低）其他頻率波段的操作。低通濾波器是消除圖像中高頻部分，但保留低頻部分。高通濾波器消除低頻部分.

在這一篇文章中，我們將使用OpenCV來實現(xiàn)一些濾波的操作：

關(guān)于模糊與濾波的理論知識，可以去下方的鏈接里去學(xué)習(xí)一下

高斯模糊的原理是什么，怎樣在界面中實現(xiàn)？ - mpcv的回答 - 知乎?https://www.zhihu.com/question/54918332/answer/142137732

也可以找一下我之前的博客，里邊也都有記錄。

1：均值濾波

均值濾波是一種線性濾波器，處理思路也很簡單，就是將一個窗口區(qū)域中的像素計算平均值，然后將窗口中計算得到的均值設(shè)置為錨點上的像素值。

該算法有優(yōu)點在于效率高，思路簡單。同樣，缺點也很明顯，計算均值會將圖像中的邊緣信息以及特征信息“模糊”掉，會丟失很多特征。

均值濾波使用簡單的卷積方案來實現(xiàn)，既然是計算窗口區(qū)域中的像素和，即使用如下卷積核即可。圖像的邊界部分采用padding操作處理。另外，得到的錨點像素值要進(jìn)行歸一化，即除以窗口尺寸大小。在OpenCV中，我們使用cv.blur（）這個函數(shù)即可實現(xiàn)。

2：中值濾波

中值濾波是一種非線性濾波，在處理脈沖噪聲以及椒鹽噪聲時效果極佳，能夠有效的保護(hù)好圖像的邊緣信息。

中值濾波的處理思路很簡單，取卷積核當(dāng)中所覆蓋像素中的中值作為錨點的像素值即可。

如果按照遍歷所有像素，再對卷積核中的像素排序取中值，那么時間復(fù)雜度會很高，需要對中值濾波進(jìn)行改進(jìn)。

中值濾波的改進(jìn)實際上很是很好想的，無非就是一個滑動窗口取中值的問題，每次向右滑動的過程中等于在窗口中新添加添加一列窗口像素，同時減去一列窗口像素，考慮維護(hù)這個窗口中的像素信息變化即可。

在OpenCV中，我們使用cv.medianBlur（）這個函數(shù)即可實現(xiàn)。

具體均值，中值的實現(xiàn)代碼：

均值，中值濾波實現(xiàn)結(jié)果如下：

3：高斯濾波

高斯濾波是一種線性濾波，是常用的一種濾波算法，利用二維高斯函數(shù)的分布方式來對圖像進(jìn)行平滑。

高斯濾波的優(yōu)點可以集中在高斯函數(shù)的特點上來看

首先，二維高斯函數(shù)是旋轉(zhuǎn)對稱的，在各個方向上平滑程度相同，不會改變原圖像的邊緣走向。

第二，高斯函數(shù)是單值函數(shù)，高斯卷積核的錨點為極值，在所有方向上單調(diào)遞減，錨點像素不會受到距離錨點較遠(yuǎn)的像素影響過大，保證了特征點和邊緣的特性。

第三，在頻域上，濾波過程中不會被高頻信號污染。

有一個地方要注意：

高斯模糊實質(zhì)上就是一種均值模糊，只是高斯模糊是按照加權(quán)平均的，距離越近的點權(quán)重越大，距離越遠(yuǎn)的點權(quán)重越小。通俗的講，高斯濾波就是對整幅圖像進(jìn)行加權(quán)平均的過程，每一個像素點的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。

在OpenCV中，我們使用 cv.GaussianBlur（）這個函數(shù)來調(diào)用高斯濾波。

具體的實現(xiàn)方法：

實現(xiàn)結(jié)果：