雨下整夜~~
正在播放周杰伦《七里香》 💓💗●━━━━━━─────── ⇆ ↻ ㅤ ◁ ㅤㅤ❚❚ ㅤㅤ▷
平滑
也称为模糊，目的通常是为了减少噪声和伪影
降低图像分辨率
opencv提供五种不同的平滑操作
之前的边界处理就是为了每个像素周围都有像素（字面意思）
简单模糊和方框型滤波器
目标图像中每个值都是源图像中相应位置一个核的像素平均值
多通道分别计算
boxfilter（方框型）是一般化形式，blur（简单模糊）是归一化形式
中值滤波器
将每个像素替换为周围矩形区域内的中值像素
可以避免较大孤立的异常值
高斯滤波器
“应该是最有用的一种滤波器”
定义在x，y方向的sigma值
3x3，5x5，7x7的标准sigma核相对其他核性能更优
支持单/三通道的8位/32位浮点型数据
双边滤波器
是一种比较打的图像分析算子，就是边缘保持平滑
高斯模糊的过程是减缓像素在空间上的变化，因此与邻域关系紧密，随机噪声（不是空间相关的）在像素间的变化幅度大，所以很好的减弱噪声并保留小信号，但是破坏边缘信息，把边缘也模糊了
双边滤波由两部分高斯平滑组成，第一部分是空间上的高斯平滑，第二部分是基于色彩强度差的高斯平滑，在多通道图像上强度差由各分量的加权累加代替
相似程度更高的像素权值更高，边缘更明显，对比度更高，类似水彩画，多次迭代后特别显著
（大的sigmaspace值会有卡通效果)
导数和梯度
卷积中最重要也是最基础的部分是（近似）计算导数，但适合实际情况的不多
索贝尔导数
用来表示微分的最常用的算子是索贝尔算子
Sobel算子可以实现任意阶导数和混合偏导数
滤波器宽度高度大于等于3才有意义
并不是真的导数，是定义在离散空间上的多项式，一阶代表直线，二阶代表抛物线
核越大越近似，但如果导数在空间上变化剧烈则容易引起偏差
Scharr滤波器
索伯算子在转动上没有完美的对称。因此沙尔想要改进这个特性。（wiki）
Sobel缺点是核较小时准确度不高，大型的核在精度问题不太显著
沙尔算子的概念源自于试图在频域上最小化加权的均方角度差，这个最佳化问题需要考量滤波器在数值上的一致性，因此它们是微分核（wiki）
注意矩阵卷积的形式！
拉普拉斯变换
laplace(f)=p“x+p“y 是对拉普拉斯离散近似
二阶用Sobel导数实现
意味着被较大值/较小值包围的点值会变得很大/很小
可以在二阶值为0处找到一阶导数极大值，即图像的边缘