线性滤波概念：
线性滤波器的原始数据与滤波结果是一种算术运算，即用加减乘除等运算实现，如均值滤波器（模板内像素灰度值的平均值）、高斯滤波器（高斯加权平均值）等。由于线性滤波器是算术运算，有固定的模板，因此滤波器的转移函数是确定并且是唯一的（转移函数即模板的傅里叶变换）。
非线性滤波概念：
非线性滤波器的原始数据与滤波结果是一种逻辑关系，即用逻辑运算实现，如最大值滤波器、最小值滤波器、中值滤波器等，是通过比较一定邻域内的灰度值大小来实现的，没有固定的模板，因而也就没有特定的转移函数（因为没有模板作傅里叶变换）。另外，膨胀和腐蚀就是通过最大值、最小值滤波器实现的。
线性滤波：boxFilter 方框滤波、blur 均值滤波、GaussianBlur 高斯滤波
boxFilter 方框滤波
void boxFilter (InputArray src, OutputArray dst, int ddepth, Size ksize, Point anchor = Point (-1, -1), bool normalize = true, int borderType = BRODER_DEFAULT);
- src，输入图像，即原图像，填 Mat 类的对象即可。待处理的图像深度应该是 CV_8U、CV_16U、CV_16S、CV_32F、CV_64F。
- dst，目标图像，需要和原图像有一样的尺寸和类型。
- ddepth，输出图像的深度。“-1”代表使用原图深度，即 src.depth() 。
- ksize，内核大小。形式为 Size(x，y)
- anchor，锚点，即被平滑的那个点。默认值为 Point (-1, -1)，表示取核的中心。
- normalize，一个标识符，表示内核是否被其区域归一化。默认值为 true。当 normalize = true 时，方框滤波就变成了均值滤波。
boxFilter 所用到的核表示如下：
其中
blur 均值滤波
void blur (InputArray src, OutputArray dst, Size ksize, Point anchor = Point (-1, -1), int borderType = BRODER_DEFAULT);
- 函数变量与 boxFilter 方框滤波几乎一样。
blur 所用到的核表示如下：
GaussianBlur 高斯滤波
void GaussianBlur (InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY = 0, int borderType = BRODER_DEFAULT);
-
GaussianBlur 所用到的核表示如下：
高斯模板是通过高斯函数计算出来的，公式如下：
以3 × 3的高斯滤波器模板为例，以模板的中心位置为坐标原点进行取样。模板在各个位置的坐标，如下所示（x轴水平向右，y轴竖直向上）。
- sigmaX (σx)，表示高斯核函数在X方向的的标准偏差。
- sigmaY (σy)，表示高斯核函数在Y方向的的标准偏差。若sigmaY为零，就将它设为sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height计算出来。
非线性滤波： medianBlur 中值滤波、bilateralFilter 双边滤波
medianBlur 中值滤波
void medianBlur (InputArray src, OutputArray dst, int ksize);
- ksize，滤波器的大小，必须是大于一的奇数。
- 其他函数变量与 boxFilter 方框滤波几乎一样。
bilateralFilter 双边滤波
void bilateralFilter (InputArray src, OutputArray dst,int d, double sigmaColor, double sigmaSpace, int borderType = BRODER_DEFAULT);
- d，过滤过程中每个像素邻域的直径。如果 d < 0，则会根据第五个参数 sigmaSpace 来计算。
- sigmaColor（σcolor），颜色空间滤波器的 σ 值，这个参数越大，表明该像素邻域内有越宽广的颜色被混到一起。
- sigmaSpace（σspace），坐标空间滤波器的 σ 值，它的值越大，意味着越远的像素会相互影响，从而使更大的区域中足够相似的颜色获取相同颜色。当 d > 0 时，d 指定了邻域大小且与 sigmaSpace 无关，否则，d 正比于 sigmaSpace。
- 其他函数变量与 boxFilter 方框滤波几乎一样。