参考文献：《OpenCV轻松入门》

均值滤波

用当前像素点周围N*N个像素值的均值来代替当前像素值。使用该方法遍历处理图像内的每一个像素点，即可完成整幅图像的均值滤波。
函数语法

dst = cv2.blur(src, ksize, anchor, borderType)
  • ksize：滤波核的大小,
  • anchor：锚点，使用默认值即可
  • borderType：边界样式，该值决定了以何种方式处理边界，使用默认值即可
cv2.blur()一般形式为：
dst = cv2.blur(src, ksize)

方框滤波

在方框滤波中，可以自由选择是是否对均值滤波的结果进行归一化，即可以自由选择滤波结果是邻域像素之和的平均值，还是邻域像素值之和。
函数语法

dst = cv2.boxFilter(src, ddepth, ksize, anchor, normalize, borderType)
  • ddepth：处理结果图像的图像深度，一般使用-1表示与原始图像使用相同的图像深度
  • normalize：表示在滤波时是否进行归一化（将计算结果规范化为当前像素值范围内的值），为一个逻辑值，真(1)或假(0)，通常情况下使用默认值为1
cv2.boxFilter()一般形式为：
dst = cv2.boxFilter(src, ddepth, ksize)

高斯滤波

将中心点的权重值加大，远离中心点的权重值减小。运算规则为将该点邻域内的像素点按照不同的权重计算和。
在高斯滤波中，卷积核中的值不再都是1。卷积核的宽度和高度可以不同，但都必须是奇数。
函数语法

dst = cv2.GaussianBlur(src, ksize, sigmaX, sigmaY, borderType)
  • sigmaX：卷积核在X轴方向上的标准差
  • sigmaY：卷积核在Y轴方向上的标准差

在实际处理中，可以指定sigmaX和sigmaY的值均为0

cv2.GaussianBlur()一般形式为：
dst = cv2.GaussianBlur(src, ksize, 0， 0)

中值滤波

用邻域内所有的像素值的中间值来代替当前像素点的像素值
函数语法

dst = cv2.medianBlur(src, ksize)
  • ksize：滤波核的大小。是指在滤波处理中其邻域图像的高度和宽度。

双边滤波

综合考虑空间信息和色彩信息，能够有效地保护图像内的边缘信息
函数语法

dst = cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, borderType)
  • d：空间距离参数。以当前像素点为中心的直径。推荐d=5，若噪声过大，可以d=9
  • sigmaColor：选取的颜色差值范围，该值决定了周围那些像素点能够参与到滤波中来
  • sigmaSpace：是坐标中的sigma值。

可以将两个sigma值设置为相同。

2D卷积

自定义卷积核实现卷积操作
函数语法

dst = cv2.filter2D(src, ddepth, kernel, anchor, delta, borderType)
  • kernel：是卷积核，是一个单通道得数组。如果想在处理彩色图像时，让每个通道使用不同的核，则必须将彩色图像分解后使用不同的核进行操作。
cv2.filter2D()一般形式为：
dst = cv2.filter2D(src, ddepth, kernel)
img = cv2.imread("Lunna.jpg")
kernel = np.ones((9, 9), np.float32)/81
r = cv2.filter2D(img, -1, kernel)
cv2.imshow("img_compare", np.hstack((img, r)))
cv2.waitKey(0)