低通滤波的求法、核、卷积
http://lib.csdn.net/article/opencv/28829
图像处理的几种数据类型
CV_8UC1// 8位无符号单通道
CV_8UC3// 8位无符号3通道
CV_8UC4
CV_32FC1// 32位浮点型单通道
CV_32FC3// 32位浮点型3通道
CV_32FC4
初始化矩阵数据
// 初始化方法
cv::Mat mz = cv::Mat::zeros(cv::Size(5,5),CV_8UC1);// 全零矩阵
cv::Mat mo = cv::Mat::ones(cv::Size(5,5),CV_8UC1);// 全1矩阵
cv::Mat me = cv::Mat::eye(cv::Size(5,5),CV_32FC1);// 对角线为1的对角矩阵
http://blog.csdn.net/iracer/article/details/51296631
中值滤波器和均值滤波器
均值滤波和低通滤波有有一个核矩阵，他们都用于图像的平滑处理。
中值滤波用于去除图像的椒盐噪点。
首先，我们复习中值。在一连串数字｛1，4，6，8，9｝中，数字6就是这串数字的中值。由此我们可以应用到图像处理中。依然我们在图像中去3*3的矩阵，里面有9个像素点，我们将9个像素进行排序，最后将这个矩阵的中心点赋值为这九个像素的中值。
图片中一个方块区域（一般为3*3）内，中心点的像素为全部点像素值的平均值。均值滤波就是对于整张图片进行以上操作。
http://blog.csdn.net/weixin_37720172/article/details/72627543
minMaxLoc 函数
minMaxLoc 函数：在给定的矩阵中寻找最大和最小值，并给出它们的位置
convertTo的用法
convertTo的用法
src.convertTo(dst, type, scale, shift)
img参数为图像数据来源，其类型为Mat。
缩放并转换到另外一种数据类型：
dst：目的矩阵；
type：需要的输出矩阵类型，或者更明确的，是输出矩阵的深度，如果是负值（常用-1）则输出矩阵和输入矩阵类型相同；
scale:比例因子；
shift：将输入数组元素按比例缩放后添加的值；
dst(i)=src(i)xscale+(shift,shift,...)
如果scale=1，shift=0，则不进行比例缩放。
如果输入数组与输出数组的类型相同，则函数可以被用于缩放和平移矩阵或图像；
例：cv::Mat src, src_f;
image.convertTo(src_f, CV_32F, 1.0/255, 0);
图像大小没有变化，但是类型又UINT8变为了FLOAT32位，感觉还有待认识，仅供参考，有知道的朋友请解惑，谢谢！
http://blog.csdn.net/qq_22764813/article/details/52135686
cv::threshold
void cvThreshold( const CvArr* src, CvArr* dst, double threshold, double max_value, int threshold_type );
src：原始数组 (单通道 , 8-bit of 32-bit 浮点数)。
dst：输出数组，必须与 src 的类型一致，或者为 8-bit。
threshold：阈值
max_value：使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值。
threshold_type：阈值类型 threshold_type=CV_THRESH_BINARY:
如果 src(x,y)>threshold ,dst(x,y) = max_value; 否则,des（x,y）=0;
计算图像的拉普拉斯变换，属于空间锐化滤波操作
Laplace算子和Sobel算子一样，属于空间锐化滤波操作。其本质与前面的Spatial Filter操作大同小异，下面就通过Laplace算子来介绍一下空间锐化滤波，并对OpenCV中提供的Laplacian函数进行一些说明。
拉普拉斯滤波的核
核就是矩阵，核中的数值对应拉普拉斯变换公式中的参数的值。
