4、对图像进行滤波操作
前面所描述的各种方法都只针对单像素强度进行处理，因此也称为“点处理”方法。而更多时候，查看像素的邻域关系比只处理单像素强度有更大的用途，我们称之为“邻域处理”技术。邻域可以是3×3，5×5，7×7等以特定像素为中心的矩阵。图像滤波是一种重要的邻域处理技术。
滤波是信号处理中的一个重要概念：拒绝或允许某特定频段通过。如何在图像中测量频率？如果某区域内的灰度级变化缓慢，那么就是低频区域；如果灰度级变化剧烈，这就是高频区域。通常，图像的背景被视为是低频区域，边缘是高频区域。
4.1、均值滤波
平均滤波器对邻域像素执行平均操作。如果图像中存在高斯噪声，则可以使用这种低通平均滤波器来消除噪声，但平均操作会使图像边缘变得模糊。邻域可以是3×3，5×5，7×7，依此类推。滤波器窗口的尺寸越大，图像的模糊程度就越大。
cv::Ptr是智能指针的模板类，用于存储cv::cuda::Filter类型的滤波器。接着用create-BoxFilter函数来创建不同窗口大小的平均滤波器，这个函数需要三个强制参数和三个可选参数：第一个和第二个参数是源图像和目标图像的数据类型，这里设定为8位无符号灰度的CV_8UC1图像；第三个参数定义滤波器窗口的大小，可以是3×3、5×5、7×7等；第四个参数是表示位于内核中心点的锚点，默认值为（-1，-1）。最后还有两个关于像素插值方法和边界值的可选参数，这里省略。
创建出来的滤波器指针有一个apply方法，能将创建的滤波器用在所有图像上，它需要三个参数：第一个参数是源图像，第二个参数是目标图像，第三个可选参数是CUDA流，用于本书前面所述的多任务处理。代码中，在图像上应用了三个不同大小的平均滤波器，执行结果如图6-8所示。往下一次kernel增大：
从输出的结果可以看出，虽然大型滤波器可以消除更多噪声，但是随着滤波器尺寸的增加，更多的像素被平均处理，导致图像变得更加模糊。
4.2、高斯滤波
高斯滤波器使用具有高斯分布的掩码来过滤图像，而不是简单的平均掩码。这个滤波器还在图像上引入平滑模糊，这个方法已经被广泛用于消除图像中的噪声。
createGaussianFilter函数用于为高斯滤波器创建掩码，需要提供源图像/目标图像的数据类型、滤波器的大小以及水平方向标准差作为这个函数的参数。我们还可以提供竖直方向标准差作为参数，如果不提供的话，会用水平方向标准差作为其默认值，然后用apply方法创建出不同大小的高斯掩码应用于图像处理。本段代码的输出如图：
同样地，随着高斯滤波器尺寸的增加，图像变得更加模糊。高斯滤波器用于消除噪声并在图像上引入平滑模糊。
4.3、中值滤波
当图像受到椒盐噪声的影响，那么平均滤波器或高斯滤波器是消除不了的，这时候需要一个非线性的滤波器。用邻域的中值运算去替代平均值的方式可以帮助消除椒盐噪声。在这个滤波器中，邻域中的9像素值的中值放置于中心像素处，这将能消除椒盐噪音所产生的过高或过低的极端值。虽然OpenCV和CUDA提供了中值滤波功能，但它比OpenCV的常规函数慢。
OpenCV中的medianBlur函数用于实现中值滤波器，它需要三个参数：第一个参数是源图像，第二个参数是目标图像，第三个参数是中值运算的窗口大小。中值滤波的输出如图：
如图所示，源图像受椒盐噪声的影响。通过3×3尺寸的中值滤波器完全消除了这种噪声，而且没有产生极端模糊。因此，当图像应用受椒盐噪声影响时，中值滤波是一个非常重要的预处理步骤。
