一维零均值高斯函数为:高斯分布参数决定了高斯函数的宽度 。
高斯噪声的产生
GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]]) - dst
线性滤波容易构造，并且易于从频率响应的角度来进行分析 。
许多情况，使用近邻像素的非线性滤波会得到更好的结果 。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值的时候，用高斯滤波器进行图像模糊时 ， 噪声像素不会被消除 ， 而是转化为更为柔和但仍然可见的散粒 。
中值滤波（Median filter）是一种典型的非线性滤波技术，基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，该方法在去除脉冲噪声、椒盐噪声『椒盐噪声又称脉冲噪声 ， 它随机改变一些像素值，是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声 。椒盐噪声往往由图像切割引起 。』的同时又能保留图像边缘细节 ，
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术 ， 其基本原理是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 。中值滤波器在处理连续图像窗函数时与线性滤波器的工作方式类似 ， 但滤波过程却不再是加权运算 。
中值滤波在一定的条件下可以克服常见线性滤波器如最小均方滤波、方框滤波器、均值滤波等带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声非常有效 ， 也常用于保护边缘信息, 保存边缘的特性使它在不希望出现边缘模糊的场合也很有用，是非常经典的平滑噪声处理方法 。
与均值滤波比较：
说明：中值滤波在一定条件下，可以克服线性滤波器（如均值滤波等）所带来的图像细节模糊，而且对滤除脉冲干扰即图像扫描噪声最为有效 。在实际运算过程中并不需要图像的统计特性 ， 也给计算带来不少方便 。但是对一些细节多，特别是线、尖顶等细节多的图像不宜采用中值滤波 。
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 。具有简单、非迭代、局部的特点 。
双边滤波器的好处是可以做边缘保存（edge preserving） ， 一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显地模糊边缘，对于高频细节的保护效果并不明显 。双边滤波器顾名思义比高斯滤波多了一个高斯方差 sigma－d ，它是基于空间分布的高斯滤波函数，所以在边缘附近 ， 离的较远的像素不会太多影响到边缘上的像素值 ， 这样就保证了边缘附近像素值的保存 。但是由于保存了过多的高频信息 ， 对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只能够对于低频信息进行较好的滤波 。
运行结果
学习目标:
形态变换是基于图像形状的一些简单操作 。它通常在二进制图像上执行 。
膨胀与腐蚀实现的功能
侵蚀的基本思想就像土壤侵蚀一样，它会侵蚀前景物体的边界（总是试图保持前景为白色） 。那它是做什么的？内核在图像中滑动（如在2D卷积中） 。只有当内核下的所有像素都是 1 时 ， 原始图像中的像素（ 1 或 0 ）才会被视为 1 ，否则它将被侵蚀（变为零）
推荐阅读
- u盘推荐什么牌子，u盘什么牌子好 速度快
- html5元素块元素，html5article元素
- 团体角色扮演游戏，角色扮演游戏活动
- 移植常用命令到linux linux riscv移植
- 监控是什么样子视频，监控是什么样子视频播放器
- 手机版玩赛车的游戏有哪些，手机版玩赛车的游戏有哪些软件
- excle大文件转pdf，excel文件转为pdf
- Java实现计算代码 java计算算式
- 新媒体发展如何，新媒体的新发展