转载：https://blog.csdn.net/poem_qianmo/article/details/23184547
https://blog.csdn.net/Aoulun/article/details/79007890
https://blog.csdn.net/abcjennifer/article/details/7616663
图像滤波作用：
1、图像特征提取（一些梯度算子）
2、图像平滑（模糊，低频增强），消除噪音
【PS】滤波是将信号中特定波段频率滤除的操作，滤波可分低通滤波和高通滤波两种。而高斯滤波是指用高斯函数作为滤波函数的滤波操作，至于是不是模糊，要看是高斯低通还是高斯高通，低通就是模糊，高通就是锐化。
常见图像滤波方式：
1、线性滤波器（线性邻域滤波中像素的输出值取决于输入像素的加权和）
1）方框滤波
2）均值滤波
输出图像的每一个像素是核窗口内输入图像对应像素的像素的平均值( 所有像素加权系数相等)，其实说白了它就是归一化后的方框滤波。【缺点：破环图像细节】
3）高斯滤波
通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。【缺点：破环图像细节】
2、非线性滤波器（对于线性滤波器，两个信号之和的响应和他们各自响应之和相等。换句话说，每个像素的输出值是一些输入像素的加权和，线性滤波器易于构造，并且易于从频率响应角度来进行分析。 其实在很多情况下，使用邻域像素的非线性滤波也许会得到更好的效果。比如在噪声是散粒噪声而不是高斯噪声，即图像偶尔会出现很大的值的时候。在这种情况下，用高斯滤波器对图像进行模糊的话，噪声像素是不会被去除的，它们只是转换为更为柔和但仍然可见的散粒。）
1）中值滤波
【优点：把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点，对于斑点噪声（speckle noise）和椒盐噪声（salt-and-pepper noise）来说尤其有用，因为它不依赖于邻域内那些与典型值差别很大的值。同时又能保留图像边缘细节。】
【缺点：计算复杂度高。对一些细节多，特别是线、尖顶等细节多的图像不宜采用中值滤波，会被当作噪声而被平滑？】
2）双边滤波
双边滤波（Bilateral filter）是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。
