版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wjplearning/article/details/79312953
1、图像处理是总是会用到模糊处理：其本质则是灰度图片与高斯核做卷积，当然也有其他核函数做卷积操作。高斯模糊只是图像处理操作的一部分而已，其他有图像插值，兴趣点计算等。
2、Scipy库有两个比较常用的对图像进行模糊处理的滤波函数：可以导入包来回去不同的滤波函数：from scipy import ndimage.filters.有prewitt滤波器和sobel滤波器，但是这两个滤波操作是由缺陷的，是因为滤波器的尺寸要随图像分辨率的变化而变化，高斯滤波解决了这个问题，所以高斯核函数时比较常用的卷积滤波函数。
3、图像强度的变化可以通过图像导数来反应，分为X,Y方向导数，图像导数大多是通过卷积实现，所以就有了上面说的三种滤波器的选择。
4、scipy一些有用的库：平时我们可能会用到Python处理MATLAB文件即.mat文件那么scipy.io就非常合适了。
比如:读文件：data = scipy.io.loadmat('test.mat')， 写文件：生成数据，data={}，data['x']=x, scipy.io.savemat('filename', data).
5、scipy还有一个好用的方式，就是以图片的形式保存。
比如：from scipy.misc import imsave
imsave('test.jpg', im)# 将一个数组保存到图像中
6：ROF去燥模型。有时候我们获取的图像很多噪声，我们要做的就是去除噪声的同时，并尽可能保留图像细节。ROF去燥模型就是这样一种技术，使处理后的图像更平滑，同时保留图像边缘和结构信息。