阈值与平滑处理
#阈值处理
定义：指剔除图像内像素值高于一定值或者低于一定值的像素点
例如，设定阈值为127，然后将图像内所有像素值大于127的像素点的值设为255。将图像内所有像素值小于或等于127的像素点的值设为0。
#自适应阈值处理
定义：使用变化的阈值完成对图像的阈值处理。
操作：通过计算每个像素点周围临近区域的加权平均值获得阈值，并使用该阈值对当前像素点进行处理。
目的：保留了更多的细节信息
#Otsu阈值运算
#函数实操与彩色图像
#平滑处理
均值滤波：是指用当前像素点周围N*N个像素值的均值来代替当前像素值。
dst=cv2.blur（src,ksize,anchor,borderType）
ksize：滤波核的大小。滤波核大小是指在均值处理过程中，其邻域图像的高度和宽度。
anchor：锚点，其默认值是（-1,-1），表示当前计算均值的点位于核的中心点位置。
borderType：边界样式，该值决定了以何种方式处理边界。
通常情况下，使用均值滤波函数时，对于锚点anchor和边界样式borderType，直接采用其默认值即可。因此，函数cv2.blur（）的一般形式为：dst=cv2.blur（src,ksize,）。缺点在于它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。
方框滤波：自由选择是否对均值滤波的结果进行归一化，即可以自由选择滤波结果是邻域像素值之和的平均值，还是邻域像素值之和。
cv2.boxFilter（src,ddepth,ksize,anchor,normalize,borderType）
ddepth是处理结果图像的图像深度，一般使用-1表示与原始图像使用相同的图像深度。
normalize 表示在滤波时是否进行归一化（这里指将计算结果规范化为当前像素值范围内的值）处理，该参数是一个逻辑值，可能为真（值为1）或假（值为0）。
通常情况下，函数cv2.boxFilter（）的一般形式为：dst=cv2.boxFilter（src,ddepth,ksize）
高斯滤波：将中心点的权重值加大，远离中心点的权重值减小，在此基础上计算邻域内各个像素值不同权重的和。
dst=cv2.GaussianBlur（src,ksize,sigmaX,sigmaY,borderType）
sigmaX 是卷积核在水平方向上（X 轴方向）的标准差，其控制的是权重比例。
sigmaY是卷积核在垂直方向上（Y轴方向）的标准差。
在实际处理中，可以显式指定sigmaX和sigmaY为默认值0。因此，函数cv2.GaussianBlur（）的常用形式为dst=cv2.GaussianBlur（src,ksize,0,0），高斯滤波的作用是消除高斯噪声(抑制服从正态分布的噪声)
中值滤波：用邻域内所有像素值的中间值来替代当前像素点的像素值。dst=cv2.medianBlur（src,ksize）
该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节
双边滤波：是综合考虑空间信息和色彩信息的滤波方式，在滤波过程中能够有效地保护图像内的边缘信息。
cv2.bilateralFilter（src,d,sigmaColor,sigmaSpace,borderType）
d:在滤波时选取的空间距离参数，这里表示以当前像素点为中心点的直径。如果该值为非正数，则会自动从参数 sigmaSpace 计算得到。
sigmaColor:滤波处理时选取的颜色差值范围，该值决定了周围哪些像素点能够参与到滤波中来。
sigmaSpace:坐标空间中的sigma值。
在函数cv2.bilateralFilter（）中，参数borderType是可选参数，其余参数全部为必选参数。
cv2.bilateralFilter（src,d,sigmaColor,sigmaSpace）
2D卷积：使用特定的卷积核实现卷积操作。
*dst=cv2.filter2D（src,ddepth,kernel,anchor,delta,borderType）
delta :修正值，它是可选项。如果该值存在，会在基础滤波的结果上加上该值作为最终的滤波处理结果。
在通常情况下，使用滤波函数cv2.filter2D（）时，对于参数锚点anchor、修正值delta、边界样式borderType，直接采用其默认值即可。因此，函数cv2.filter2D（）的常用形式为：dst=cv2.filter2D（src,ddepth,kernel）
