前面已经做过二值化、形态学操作，这次换一个更常见的图像处理方向：
图像滤波。
很多图片里都会存在细小噪声、毛刺或者过于复杂的纹理，这时候就可以通过滤波让画面变得更加平滑。
这次我用华为云码道辅助开发了一个 OpenCV 图像滤波对比工具，支持 Gaussian Blur、Median Blur 和 Bilateral Filter 三种方法，并通过清晰度分数观察滤波前后的变化。
1. 这次工具做什么？
主要功能包括：
- 上传 JPG / PNG 图片
- 支持 Gaussian Blur
- 支持 Median Blur
- 支持 Bilateral Filter
- 调节滤波参数
- 显示原图和处理图
- 计算处理前后 Sharpness
- 支持下载滤波结果
整体流程：
图片
→ 选择滤波方法
→ 设置参数
→ OpenCV Filter
→ Sharpness 对比
2. 三种滤波有什么区别？
这次工具支持三种比较经典的方法。
Gaussian Blur
高斯模糊会根据周围像素进行加权平均。
特点是：
整体平滑效果自然。
result = cv2.GaussianBlur( image, (5, 5), 0)Median Blur
中值滤波会取邻域中的中位数。
result = cv2.medianBlur(image, 5)它对：
椒盐噪声
通常比较有效。
Bilateral Filter
双边滤波除了考虑像素距离，还考虑像素颜色差异。
result = cv2.bilateralFilter( image, 13, 75, 75)最大的特点就是：
平滑细节的同时尽量保留明显边缘。
3. 这次测试 Bilateral Filter
实际测试使用：
Bilateral Filter
参数：
Diameter = 13
Diameter 表示双边滤波参考的像素邻域大小。
数值越大，参与计算的周围像素越多，平滑效果通常也会更明显。
这次使用 13，所以前后图已经能看到比较明显的变化。
4. Sharpness 怎么计算？
为了观察滤波对图片细节的影响，这次继续使用之前清晰度检测中用过的：
Laplacian Variance
核心代码：
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)sharpness = cv2.Laplacian( gray, cv2.CV_64F).var()一般来说：
Laplacian Variance 越高，
说明图片中高频细节和锐利边缘越多。
5. 真实测试结果
这次使用的图片尺寸：
1650 × 953
滤波方式：
Bilateral Filter
Diameter：
13
最终得到：
- Original Sharpness：316.81
- Filtered Sharpness：161.92
清晰度下降：
154.89
6. 清晰度下降了多少？
从：
316.81
下降到：
161.92
相对下降大约：
48.9%
也就是说，经过比较明显的双边滤波后，图片中的高频细节减少了接近一半。
这个结果也说明：
平滑和清晰度之间存在明显取舍。
7. 处理后的图片发生了什么？
从页面中的 Before & After 可以看到：
狗狗毛发
草地
树叶
这些细碎纹理都变得更加平滑。
但与此同时：
狗狗主体轮廓
建筑物轮廓
一些比较明显的结构
仍然被保留了一部分。
这正是 Bilateral Filter 相比普通模糊比较有特点的地方。
它不是单纯把所有内容一起模糊，而是：
尽量在平滑区域的同时保住边缘。
8. 为什么滤波后 Sharpness 一定会下降？
噪声和细节在图像中都属于：
高频信息。
滤波在减少噪声的时候，也不可避免地会同时削弱一部分：
毛发
纹理
细线
边缘
因此 Sharpness 从：
316.81 → 161.92
并不代表算法不好。
相反，这恰好反映了滤波正在减少高频成分。
关键在于：
平滑多少才合适。
9. 三种方法应该怎么选？
可以简单理解为：
Gaussian Blur
适合一般性的图像平滑。
Median Blur
更适合处理椒盐噪声。
Bilateral Filter
适合希望平滑图像，同时尽量保留边缘的场景。
所以不同任务不一定要使用同一种滤波方式。
另外参数也不能设置得过大，否则很容易出现：
细节严重丢失
画面发糊
纹理被过度平滑
10. 总结
这次用华为云码道辅助开发了一个：
OpenCV 图像滤波对比工具。
支持：
- Gaussian Blur
- Median Blur
- Bilateral Filter
这次实际测试使用：
- Filter Method：Bilateral Filter
- Diameter：13
- Original Sharpness：316.81
- Filtered Sharpness：161.92
清晰度下降约：
48.9%
可以明显看到，双边滤波减少了毛发、草地和树叶中的细碎纹理，同时仍然保留了一定的主体边缘。
所以图像滤波本质上是在做一个取舍：
减少噪声和细小纹理，同时尽量保留真正重要的结构。
下一篇可以继续做：
图片边缘到底有多强？用华为云码道开发 OpenCV Sobel 梯度可视化工具
直接把 Sobel X、Sobel Y 和 Gradient Magnitude 三张结果图放在一起比较。