OpenCV 核心算法全套原理详解（滤波 / 阈值 / 直方图 / 边缘 / 轮廓 / 形态学 / 特征匹配 / 霍夫 / 光流）
一、图像滤波（线性 + 非线性）
1. 均值滤波 blur
原理：线性低通滤波，固定尺寸窗口内所有像素等权重求和取平均，用平均值替换中心像素。 卷积核示例 3×3： \(K=\frac19\begin{bmatrix}1&1&1\\1&1&1\\1&1&1\end{bmatrix}\)特点：快速平滑、降噪；同等模糊强度下边缘糊化最严重；对椒盐噪声无效，噪点扩散成灰斑。适用：低算力设备轻微平滑，无精细轮廓图像。
2. 高斯滤波 GaussianBlur
原理：线性低通，卷积核权重服从二维高斯分布，窗口中心权重最高，向四周平滑衰减。 公式：\(G(x,y)=\frac{1}{2\pi\sigma^2}\exp\left(-\frac{x^2+y^2}{2\sigma^2}\right)\) σ 控制平滑强度，σ 越大模糊越强。特点：平滑自然，相比均值更好保留边缘；专门抑制高斯雪花噪声；Canny 标准前置降噪。适用：暗光相机降噪、边缘检测预处理。
3. 中值滤波 medianBlur
原理：非线性滤波，滑动窗口取出所有像素灰度排序，取中间灰度值作为输出，无卷积模板。特点：直接剔除 0/255 极值椒盐噪点；代价是细小线条、小点容易被抹除；对高斯噪声降噪弱。适用：扫描件、监控黑白斑点噪声去除。
4. 双边滤波 bilateralFilter
原理：非线性滤波，同时计算空间距离权重+像素灰度差值权重；空间远、灰度差
2025-11-2323.M)
