均值滤波（一般用来消除高斯噪声
创建一个高斯核
参数1为σ 值越大高斯噪声越多
gauss_distribution( 9 ,Distribution)
添加到图片上
add_noise_distribution( Image , ImageNoise , Distribution)
参数3 4 是滤波核， 建议使用奇数矩阵核，值越小越清晰
mean_image(ImageNoise , ImageMean , 9, 9)
中值滤波（一般用来消除椒盐噪声）
生成椒盐噪声
参数1 2 椒与盐的百分比
sp_distribution(5 ,5 ,Distribution1)
添加到图片上
add_noise_distribution(GrayImage , ImageNoise1 , Distribution1)
中值滤波
参数3 采用的滤波核形状
参数4 圆的半径或者正方形的边长
参数5 边界像素的处理方式
如果是'mirrored' 超出的边界部分会复制周边的像素灰度值
如果是'cyclic' 循环利用，超出的边界部分恢复至对侧的灰度值
median_image(ImageNoise1 , ImageMedian ,'square' , 2 , 'mirrored'
高斯滤波
使用高斯滤波的过程：
1创建高斯核，
2 通过傅里叶转换，把空域下单个图片转成频域下的图片
3 在频域下使用高斯滤波，
4把频域下的图片转成空域下的图片
创建高斯噪声
gauss_distribution(200 , Distribution)
add_noise_distribution(Image , ImageNoise , Distribution)
1 创建高斯核
参数1 输出的高斯滤波图片
参数2 高斯平滑的程度，值越大，核越小
参数3 高斯平滑数值方向的平滑程度，值越大，核越小
参数4 滤波核旋转角度
参数5 计算出来的灰度值是否采用归一化处理，'none'：不采用 'n'：采用
参数6 'dc_center'从中间向四周发散，'dc_edge'从四周向内发散，'rft'从一边发散
*参数7 8 生成图像大小
gen_gauss_filter(ImageNoise ,1 ,1 ,0 , 'n' , 'rft' , Width ,Height)
2通过傅里叶转换，把空域下的图片转成频域下的图片参数1 高斯噪声图
参数3 'to_freq' 傅里叶正向转换 把空域下的图片转成频域下的图片
参数4 是否需要被转化之后的值进行处理，'sqrt'开放，'none'不处理
参数5 转成的图片是什么类型，'complex'复数 既有实数类型又有虚数部分
参数6 宽度
rft_generic( ImageNoise , ImageFFT , 'to_freq' , 'none' , 'complex' ,Width)
3在频域下使用高斯滤波参数1 传入的频率图
参数2 传入的过滤核
convol_fft(ImageFFT , ImageGauss , ImageConvol)
4把频域下的图片转成空域下的图片*from_freq' 傅里叶逆转换，把频域图转成空域图
rft_generic (ImageConvol, ImageFFT1, 'from_freq', 'none', 'byte', Width)
