learning opencv 2 几种滤波的应用场景

高斯滤波 

高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，

用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

filter=fspecial('gaussian',3,1);

所产生的核矩阵为： 相加的结果为1

filter = 

0.0751 0.1238 0.0751

0.1238 0.2042 0.1238

0.0751 0.1238 0.0751

对于二位的正态分布的两个参数 singma（方差） 和K（矩阵维数） 

都取1时 得到下面的卷积核，而对于加权滤波，权的系数和必须为1 所以

最终的结果 为 这个矩阵/（0.0585*4+0.0965*4+0.1529） 来做归一化

0.0585 0.0965 0.0585

0.0965 0.1529 0.0965

0.0585 0.0965 0.0585

中值滤波 会对九宫格做一个排序 取出的中间值就作为5处的像素值 so，这种滤波的卷积核一定是 奇数

这种滤波对于椒盐累的噪声有很好的抑制作用，因为这种噪点都处于这9个值中的最大值或者最小值

1 3 2 

6 5 9

7 8 3

双边滤波 上面的几个滤波器，都将边缘平化掉了，为了防止这个现象，可以用双边滤波器

它是一种保边去噪的滤波器