几种图像滤波算法的简单介绍

图像平滑处理中，几种常见的滤波器如下：
归一化滤波器（Normalized Box Filter）
高斯滤波器（Gaussian Filter）
中值滤波器（Median Filter）
双边滤波（Bilateral Filter）

其对应的opencv函数及使用网址见opencv图像平滑处理教程

前提：
平滑 也称模糊，是为了减少图像噪声对图像进行的操作。
平滑处理需要用到一个滤波器，最常用的是线性滤波器，可以理解为把图像的每一个像素值输入滤波器，输出即为得到的平滑处理后的图像。即滤波器是一个含有加权系数的窗口，这个加权系数就叫做核。

原理：
归一化滤波器：
最简单的滤波器，输出像素值是核窗口内像素值的 均值 ( 所有像素加权系数相等)
归一化滤波器的核如下：

高斯滤波器：
最常用的滤波器，简单总结起来，高斯滤波器就是取周围点像素的平均值来优化每一个像素点，当然这个周围点的半径范围是可以设置的。但是周围点对当前像素点的影响存在一个权重问题，也就是离当前点越近的权重越大。所以用二维的高斯函数来计算权重。

二维高斯函数：

求出模糊半径范围内的这些点所占权重比例之后，每个权重值都除以它们的和（换算到权重和为1），然后计算每一个点的像素值乘以它所占权重，把半径范围内的这些值加起来作为优化后的中间那个像素点的新像素值。

举例说明这个步骤的话，见高斯滤波介绍

中值滤波：
中值滤波将图像的每个像素用邻域 (以当前像素为中心的正方形区域)像素的 中值 代替 。

双边滤波：
类似于高斯滤波器，双边滤波器也给每一个邻域像素分配一个加权系数。 这些加权系数包含两个部分, 第一部分加权方式与高斯滤波一样，第二部分的权重则取决于该邻域像素与当前像素的灰度差值。