图像卷积滤波的原理和均值滤波及其相关算法（盒型、高斯、中值、双边滤波）的Python程序实现

图像卷积滤波的基本原理：

一个二维滤波器矩阵（即卷积核）与其作用对象二维图像进行处理；对于图像中的每个像素点位置，在其邻域内选取对应尺寸的像素阵列与滤波器核元素进行对应位置相乘运算，并将所有乘积结果累加求得该像素的新值

可以观察到，在应用一个3×3大小的滤波器对一张6×6大小的图像执行卷积操作后，会得到一个4×4大小的结果图像是经过压缩处理后的版本。为了使后续处理能够恢复图像尺寸并保持完整性，在卷积前我们通常会对原始图像进行零填充扩展一层。这一技术过程被称为padding操作。

事实上，原图为n×n，卷积核为f×f，最终结果图大小为(n-f+1) × (n-f+1)

cv2.copyMakeBorder()用来给图片添加边框，它有下面几个参数：

• src: 要处理的对象
  • top: 上部需要延伸扩展的像素数量
  • bottom: 下