1 图像的类型
二进制图像：
灰度图像：
彩色图像：
2 任务：图像去噪
噪声点让我们看得难受是因为噪声点与周边像素差别很大
3 均值
滤波核= 卷积核
4 卷积操作
对应相乘再累加起来
卷积核记录了权值，把权值套到要卷积的目标图上，对应相乘
5 卷积的特性
线性和平移不变形
因为实际使用的时候卷积核是对称的，因此不要求翻转
真实运算的时候，对于没有像素的位置，要做填充，否则无法计算卷积，
最简单的办法，填充0。
填充是希望输入输出有固定的大小
6 卷积的应用
不变
左移
平滑降噪
锐化
7 振铃效应
离我近的点权值大、远的点权值小
8 高斯核
产生高斯卷积核的步骤：
①指定窗宽
②指定方差 σ \sigma σ
③归一化
9 高斯核参数
方差的影响：方差越大，自己的权值占比就越小，平滑的结果越强
方差固定，窗宽越大，归一化计算的分母就大，权值就小，平滑就更厉害
10 高斯核总结
滤除高频
一个大高斯核的卷积效果可以由两个小高斯卷积核连续操作得到
高斯核可以分解
分解性质有什么作用？
计算复杂度降低
11 噪声
高斯滤波对椒盐噪声效果并不好
12 中值滤波
把这些值从小到大排序，然后选取中值
中值滤波不改变整体形状
13 拉普拉斯高斯
