记录一下三种滤波的原理。
刚获得的图像有很多噪音。这主要由于平时的工作和环境引起的，图像增强是减弱噪音，增强对比度。想得到比较干净清晰的图像并不是容易的事情。为这个目标而为处理图像所涉及的操作是设计一个适合、匹配的滤波器和恰当的阈值。常用的有高斯滤波、均值滤波、中值滤波、最小均方差滤波、Gabor滤波。
分析有两种： 一种是频率域分析，一种是空间域分析。
低频表示对应区域的图像强度变化缓慢，而高频率表示对应区域图像强度变化快速。 要把图像灰度转换成频率，可以用傅立叶变换，或者余弦变换。
低通滤波器：
降低图像像素的变化率。
低通滤波器是容许低于截止频率的信号通过， 但高于截止频率的信号不能通过的电子滤波装置。
均值滤波：
把每个点都换成周围点的均值。
cv::blur.
高斯滤波：
由于高斯函数的傅立叶变换仍是高斯函数, 因此高斯函数能构成一个在频域具有平滑性能的低通滤波器。可以通过在频域做乘积来实现高斯滤波。
在均值滤波的基础上加上权重值。正态曲线中，距离中心点越近，权重越大。（高斯公式，其实就是正态函数。。 标准差越小，分布越集中在中心处。）
中值滤波：（用来处理盐椒噪声很合适。）
中值滤波是常用的非线性滤波方法 ,也是图像处理技术中最常用的预处理技术。它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘。加权中值滤波能够改进中值滤波的边缘信号保持效果。
中值滤波步骤如下：
1，将模板（一般含有奇数个点的滑动窗口）在图像范围内漫游，并将模板中心与图中某个象素位置重合；
2，读取模板中各对应象素的灰度值；
3，将这些灰度值从小到大排列；
4，找到这些值中排在中间的一个值；
5，将这个中间值赋给对应模板中心位置的象素。
中值滤波器的主要功能就是使与周围象素灰度值相差比较大的象素取与周围象素灰度值接近的值，从而消除孤立的噪声点。由于这种方法不是简单地取平均值，所以产生的模糊度较小。
由于中值滤波不会处理最大和最小值，所以就不会受到噪声的影响。相反，如果直接采用blur进行均值滤波，则不会区分这些噪声点，滤波后的图像会受到噪声的影响。中值滤波器在处理边缘也有优势。但中值滤波器会清除掉某些区域的纹理（如背景中的树）。
不想往下看了。书本到此告一段落了，以后要用到什么知识，再回来查吧。