OpenCV平滑图像
1.理论
注意：下面的解释属于计算机视觉： Richard Szeliski和LearningOpenCV的算法和应用
平滑，也称为模糊，是一种简单而经常使用的图像处理操作。
平滑的原因很多。在本教程中，我们将专注于平滑以减少噪音（其他用途将在以下教程中看到）。
要执行平滑操作，我们将对我们的图像应用过滤器。最常见的滤波器类型是线性的，其中输出像素的值(i.e. g(i,j))，被确定为输入像素值的加权和 (i.e. f(i+k,j+l)) :
被称为内核，它只不过是滤波器的系数。h(k,l)
它有助于将过滤器可视化为跨越图像滑动的系数窗口。
2.我们为什么要平滑图像
图像平滑是指受传感器和大气等因素的影响，遥感图像上会出现某些亮度变化过大的区域，或出现一些亮点 (也称噪声)。 这种为了抑制噪声，使图像亮度趋于平缓的处理方法就是图像平滑。 图像平滑实际上是低通滤波，平滑过程会导致图像边缘模糊化。
2.归一化框过滤器
这个过滤器是最简单的！每个输出像素是其内核邻居的均值（均为相等权重）
内核如下
高斯滤波器
可能是最有用的过滤器（虽然不是最快的）。高斯滤波是通过将输入数组中的每个点与高斯核进行卷积来完成的，然后将它们相加以产生输出数组。
只是为了使图片更清晰，记住一维高斯内核的样子？
假设图像为1D，您可以注意到位于中间的像素将具有最大的权重。其邻居的权重随着它们与中心像素之间的空间距离的增加而减小。
注意
请记住，2D高斯可以表示为：
OpenCV平滑图像
其中是平均值（峰值），\ sigma表示方差（每个变量x和y）μσXÿ
中值滤波器
中值滤波器遍历信号的每个元素（在这种情况下为图像），并用其相邻像素的中位数（位于估计像素周围的正方形邻域）中替换每个像素。
双边过滤器
到目前为止，我们已经解释了一些过滤器，其主要目标是平滑输入图像。然而，有时过滤器不仅可以消除噪音，还可以使边缘平滑。为了避免这种情况（至少在一定程度上），我们可以使用双边筛选器。
以与高斯滤波器类似的方式，双边滤波器也考虑相邻像素，其权重分配给它们。这些权重具有两个分量，其中第一个是高斯滤波器使用的相同加权。第二个组件考虑了相邻像素与被评估的像素之间的强度差异。
