4. 图像滤波与增强：均值滤波、高斯滤波、中值滤波、双边滤波、直方图均衡化
各位同学，今天我们来聊聊图像预处理里最基础、也最实用的一块——滤波与增强。
说实话，我刚开始做嵌入式视觉那会儿，总觉得滤波就是“模糊一下”，没什么技术含量。直到有一次在产线上调试一个瑕疵检测项目，光线稍微一变，检测结果就崩了。后来才发现，问题就出在滤波参数没调好。嗯，从那以后，我再也不敢小看这几个滤波函数了。
今天这章，我会把均值、高斯、中值、双边这四种滤波，以及直方图均衡化，一个一个拆开讲。每个我都会结合自己的项目经验，告诉你什么时候用、怎么调参、有什么坑。
4.1 均值滤波：简单但别乱用
均值滤波，说白了就是把每个像素的值，替换成它周围一圈像素的平均值。
它的核函数长这样：
K = 1/9 * [1 1 1]
[1 1 1]
[1 1 1]OpenCV里调用很简单：
import cv2
import numpy as np
img = cv2.imread('image.jpg')
blurred = cv2.blur(img, (5, 5)) # 5x5的核我个人习惯，均值滤波只用在两种场景：一是快速预览，二是对噪声要求不高的简单平滑。为什么？因为它会把边缘也一起模糊掉。你想想看，边缘处的像素和周围差异很大，一平均，边缘就没了。
4.2 高斯滤波：更自然的模糊
高斯滤波和均值滤波的区别在于——它给中心像素更高的权重，离中心越远权重越低。这样模糊出来的效果更自然，不会出现那种“方块感”。
它的核函数基于高斯分布：
G(x,y) = (1/(2πσ²)) * exp(-(x²+y²)/(2σ²))OpenCV用法：
gaussian = cv2.GaussianBlur(img, (5, 5), 1.5)第三个参数是σ（标准差）。σ越大，图像越模糊。
我在项目中遇到过一个情况：用高斯滤波做预处理，然后跑边缘检测。σ设成1.0时，边缘太碎；设成3.0时，边缘又太弱。最后调了半天，发现σ=1.8效果最好。所以这个参数，真的得试。
4.3 中值滤波：去椒盐噪声的利器
中值滤波的原理很简单——把窗口内的像素排序，取中间值替换中心像素。
为什么它对椒盐噪声特别有效？因为椒盐噪声是极端值（要么0，要么255），排序后它肯定在两端，中间值根本不受影响。
median = cv2.medianBlur(img, 5) # 5x5窗口我曾经在一个工业相机项目里，图像上全是白点（椒盐噪声）。用均值滤波试了，没用；高斯滤波试了，也没用。最后换成中值滤波，一下就干净了。嗯，这个坑我踩过，所以印象特别深。
4.4 双边滤波：保边去噪
双边滤波是这四种里最“聪明”的一个。它同时考虑了两个因素：空间距离和像素值差异。
- 空间距离：离中心越近，权重越大（和高斯一样）
- 像素值差异：和中心像素值越接近，权重越大
这样一来，在平坦区域它会平滑噪声，在边缘处它会保留边缘。
bilateral = cv2.bilateralFilter(img, 9, 75, 75)参数说明：
- 第一个参数：图像
- 第二个参数：窗口直径（一般9或15）
- 第三个参数：颜色空间σ（越大，颜色差异容忍度越高）
- 第四个参数：空间σ（越大，空间影响范围越广）
我个人习惯，在做人脸美化或皮肤检测时，双边滤波是首选。它能把皮肤上的小瑕疵去掉，同时保留眼睛、嘴巴这些边缘。
4.5 直方图均衡化：让图像“亮”起来
直方图均衡化，说白了就是把图像的灰度分布“拉平”。如果一张图整体偏暗，均衡化后暗部细节就出来了。
原理很简单：统计每个灰度级的像素数量，然后重新映射，让各个灰度级的像素数量尽量均匀。
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
equalized = cv2.equalizeHist(gray)对于彩色图像，一般先转到YUV或HSV空间，只对亮度通道做均衡化：
img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
img_yuv[:,:,0] = cv2.equalizeHist(img_yuv[:,:,0])
img_equalized = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)我在项目中遇到过一个场景：在昏暗的仓库里做条码识别。原图几乎看不清条码，但直方图均衡化后，条码清晰可见。不过要注意，它也会放大噪声。
4.6 四种滤波对比总结
| 滤波类型 | 去噪效果 | 边缘保留 | 计算速度 | 适用场景 |
|---|---|---|---|---|
| 均值滤波 | 一般 | 差 | 快 | 快速预览、简单平滑 |
| 高斯滤波 | 较好 | 一般 | 快 | 通用去噪、预处理 |
| 中值滤波 | 椒盐噪声极好 | 较好 | 中等 | 椒盐噪声、工业检测 |
| 双边滤波 | 较好 | 极好 | 慢 | 保边去噪、人脸美化 |
4.7 实战建议
最后，我给大家几个实战中的建议：
- 先看噪声类型：如果是椒盐噪声，直接上中值滤波；如果是高斯噪声，用高斯滤波。
- 参数从小往大调：核大小从3开始，不行再试5、7。别一上来就15x15。
- 嵌入式设备要权衡：双边滤波虽然效果好，但计算量大。如果帧率要求高，优先考虑高斯或中值。
- 直方图均衡化不是万能药：它适合低对比度图像，但会放大噪声。如果噪声严重，先滤波再均衡化。
好了，这章的内容就到这里。下一章我们会讲边缘检测，到时候你会发现，滤波做得好不好，直接决定了边缘检测的效果。嗯，到时候见。