1. 2D卷积（图像滤波）
图像作为一个一维信号，也可以通过多种低通过滤器（low-pass filters, LPF）和高通过滤器（high-pass filters, HPF）来过滤。
低通过滤器可以去除噪声，或者模糊图像。高通过滤器可以帮助在一个图像中找出边界。
OpenCV提供了一个函数，cv2.filter2D()，对一个图像进行内核卷积。
比方说使用一个5x5的滤波内核，即表示针对每一个像素，它的色值为：它周边5x5区域内所有像素色值累加，然后除25（等于计算这个区域内素有像素色值的均值）。
对一个图像里的所有像素都进行上述处理之后，等到一个过滤后的图像。
cv2.filter2D(src, ddepth, kernel)
a）src：源图像
b）ddepth：目标图像深度（图像深度：存储每个像素所用的位数）
c）kernel：卷积核，一个单通道浮点型矩阵
结果例子：
一个5x5的核，和一个50x50的核
2.图像模糊（图像平滑）
图像模式是使用一个低通滤波内核对一个图像进行卷积操作。可以去除噪声。
OpenCV提供了主要的4种模糊技术：
1）均值模糊
通过一个标准的箱式滤波器对一个图像进行卷积。取得核范围内所有像素色值的平均值然后赋给中心的像素。
cv2.blur(img, (5,5))
2）高斯模糊
使用一个高斯内核，需要制定核的大小是一个正奇整数。需要制定X和Y方向的标准偏差。
对于去除图像里的高斯噪声非常高效。
（高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声）
cv2.GaussianBlur(src, ksize, sigmaX)
a）src：源图像
b）ksize：卷积核大小
c）X方向定向偏差
3）中值模糊
求卷积核内像素的中值，并赋值给中心像素。对去除椒盐噪声非常高效。
相对于高斯内核和标准箱式内核，可能会给像素赋在源图像里不存在的色值。中值平滑肯定会给中心像素设定一个在源图像存在的像素色值。这也非常有效地减少噪声。
cv2.medianBlur(src, ksize）
a）src：源图像
b）ksize：卷积核大小
4）双边模糊
相对于以上3种模糊方法是模糊边界，双边平滑保留边界，但是处理速度相对3种方法要慢。
cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace)
a）src：源图像
b）d：参与模糊的邻居像素个数
c）sigmaColor：值越大表示在像素邻域内更远的颜色会被混合在一起，会生成一个更大的颜色近相等的区域
d）sigmaSpace：值越大表示颜色足够相似的更远的像素互相影响
结果例子：
-- End --
