2D卷积（图片过滤）
对于一维信号，图片可以被多种低通滤波器(LPF)，高通滤波器(HPF）过滤，一个LPF可以用在移除噪点，或者模糊图片。HPF可以用在找图片里找到边界。
OpenCV提供了函数cv2.filter2D()，我们在图片上用一个平均滤波器，一个5x5的平均滤波器核可以这么定义：
用上面的核过滤执行了下面这些：对于每个像素，一个5x5的窗口以这个像素为中心，所有这个窗口内的像素被加到一起，然后结果除以25.这样算出这个窗口里的平均像素值。这个操作对图片里的所有像素做一遍生成过滤后的图片。
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('opencv_logo.png')
kernel = np.ones((5,5), np.float32)/25
dst = cv2.filter2D(img, -1, kernel)
plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(dst), plt.title('Averaging')
plt.xticks([]), plt.yticks([])
plt.show()
结果：
图片模糊(图片平滑）
图片模糊是通过低通过滤器对图片进行卷积实现的，它对于去除噪点很有用，它实际上是从图片里移除高频内容（噪点，边界），结果应用过滤了以后边界被模糊了。OpenCV提供了主要有四种类型的模糊技术。
1.平均
这个方法是用一个标准化的箱式过滤器来卷积。它简单的把核区域周围的像素的平均替换中心元素。这个是用的cv2.blur()或者cv2.boxFilter()。我们应该制定核的宽和高。一个3x3的标准化箱式过滤器可能像这样：
注意：
如果你不想用标准化箱式过滤器，使用cv2.boxFilter()然后传参数normalize=False给函数。
下面的例子使用5x5大小的核：
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('opencv_logo.png')
blur = cv2.blur(img,(5,5))
plt.subplot(121), plt.imshow(img),plt.title('Original')
plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(blur),plt.title('Blurred')
plt.xticks([]),plt.yticks([])
plt.show()
2.高斯滤波
在这个方法里，使用一个高斯核。函数是cv2.GaussianBlur()。我们应该指定核的宽度和高度，应该是正数和奇数。我们也应该指定X和Y方向的标准偏差sigmaX和sigmaY。如果只有sigmaX被指定，sigmaY就和sigmaX一样。如果两个都是0，它们从核的大小里计算得出。高斯过滤器在移除高斯噪点十分高效。
如果你想，你可以通过函数cv2.getGaussianKernel()创建高斯核。
上面的代码可以改成使用高斯模糊：
blur = cv2.GaussianBlur(img,(5,5),0)
3.中值滤波
这里函数cv2.medianBlur()计算核窗口下的所有像素的中值来替换中心像素点。这个特别适合去除椒盐噪点。有个有意思的事情要注意，在高斯和箱式过滤中，给中心点用的过滤的值可以是在原图中没有的值，但是在中值滤波中不同，因为中心元素总是被图片里的某个像素值替代。这个方法在去除噪音上很高效。核的大小必须是正奇数。
在这个例子里，我们加50%的噪点到原始图片上，然后用中值过滤。
median = cv2.medianBlur(img,5)
结果：
4.双边滤波
我们之前展示过的滤波器都是倾向于模糊边界的。但是双边滤波不是这样，cv2.bilateralFilter()，在保持边界的情况下去除噪点非常有效。但是这个操作比其他滤波器都慢一些。我们已经看到高斯滤波器取一个像素周围的邻居，找到他们的高斯加权平均。高斯滤波器只是空间的函数，当滤波时考虑的是周围的像素，它并不考虑像素是否有相同的强度，也不考虑像素是否在边界上。结果就是高斯滤波器会模糊边界，这并不是我们想要的。
双边滤波在空间域里也使用高斯过滤器，但是它还多使用了一个高斯滤波器，是一个用来区分像素强度的函数。空间高斯函数确保只有空间上的相邻像素才会被过滤，而强度域上应用的高斯组件保证只有在强度上和中心像素相似的像素才会包含进来进行模糊强度值的计算。这样的结果是边缘被保留了，对于边缘附近的像素，它周围的像素中那些位于边缘另一边的，在强度值上会和中心点有很大的差别，所以不会被包含到模糊计算里。
下面的例子演示了双边滤波的使用
blur = cv2.bilateralFilter(img,9,75,75)
