图像平滑  

        图像平滑是一种区域增强的算法，平滑算法有邻域平均法、中值滤波、边界保持类滤波等。在图像产生、传输和复制过程中，常常会因为多方面原因而被噪声干扰或出现数据丢失，降低了图像的质量（某一像素，如果它与周围像素点相比有明显的不同，则该点被噪声所感染）。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响。图像平滑有均值滤波、中值滤波、高斯滤波和高斯双边滤波等。

1.均值滤波：

用其像素点周围像素的平均值代替元像素值，在滤除噪声的同时也会滤掉图像的边缘信息。

均值滤波API：blur(Mat src,Mat dst,Size(xradius,yradius),Point(-1,-1));

2.中值滤波：

中值滤波用测试像素周围邻域像素集中的中值代替原像素。中值滤波去除椒盐噪声和斑块噪声时，效果非常明显。

中值模糊API：medianBlur(Mat src,Mat dest,kszie);

3.高斯滤波：

图像上的像素实际上是坐标离散但是值却连续的，因为越靠近的点关系越密切，越远离的点关系越疏远。因此，加权平均更合理，距离越近的点权重越大，距离越远的点权重越小。

高斯模糊API：GaussianBlur(Mat src,Mat dst,Size(11,11),sigmax,sigmay);

运用了一维的高斯的正态分布的密度函数：

其中μ是x的均值，σ是x的标准差。由于每次计算都以当前计算点为原点，所以μ等于0。

       二维公式如下图：

实际图像应用如下：

代入公式计算得出：

归一化后结果为：

如果x和y的标准差未知，有以下公式计算得出：

4.高斯双边滤波

双边滤波只是比高斯滤波多了一种掩膜而已。两种掩膜都是套用高斯分布公式得出来的，只是其中的代表的含义不同而已。求第一个掩膜所用的高斯分布中，代表掩膜中每一个点的位置，其中为掩膜中心的位置；求第二个掩膜所用的高斯分布中，代表掩膜中每一个点的像素亮度值，其中为掩膜中心的像素亮度值；（这里有一个是需要注意的：第二个掩膜是需要每次都求取的，因为像素的亮度值无法预先确定，不是维持一个固定不变的pattern）。这就是双边滤波，不光考虑了像素在空间中位置远近程度的影响，还考虑了像素亮度相近程度的影响。

双边模糊API：bilateralFilter(src,dest,d=15,150,3);

15---计算的半径，半径之内的像素都会被纳入计算，如果提供-1，则根据sigma space参数取值             

150—sigma color 决定多少差值之内的像素会被计算

3—sigma space如果d的值大于0则声明无效，否则根据它来计算d值