OpenCV图像滤波（OpenCV图像处理）, C++

图像平滑（smoothing） 也称为"模糊处理"（bluring），即一种简单且广泛应用的图像处理技术。它能够减少图像细节、减轻突变和边缘的影响，并去除噪声。

但主要应用是用于减少图像质量中的两种常见问题：噪声污染和失真现象。当对图像进行分辨率缩减时，在此过程中实施平滑处理是一种关键性作用。

图像是在获取或传输过程中受到随机信号干扰的结果，在视觉呈现上表现为一些具有随机分布特征的一些像素单元；这些异常值会干扰人类对其感知能力

图像中的噪声通常具有复杂性，在很多情况下，则可将其视为一个多维随机过程，并进而利用概率分布函数和概率密度函数来描述其特性

噪声和图像信号的关系，可以分为：

• 加性噪音，在理论上与图像信号强度呈无线性关系；这类噪音的表现形式可视为理想无噪声图像f与其自身叠加的结果。
  • 乘性噪音，则与其原始图像是高度相关的；其特性会因原始图象的变化而呈现不同的性质。
    而在实际应用中通常采取以下假设：将乘性和加性的混合关系近似等同于纯加法模型，并且始终假定信号与噪音之间互不影响。

最重要的来了，按照概率密度函数（PDF）分类：

• 高斯型随机相位信号 ，其特性符合正态分布规律，在实际应用中具有广泛的适用性。
• 脉冲型随机相位信号 （如椒盐型随机相位脉冲信号），呈现出图像空间中的孤立点特征。
• **伽马型随机