在上次的opencv源码解析之滤波前言1中，按照opencv_tutorials.pdf中的滤波部分试了下常用的4种滤波器的使用方法。在opencv的C++中，这4个函数分别为：blur,GaussianBlur,meidaBlur,bilateralFilter.下面就这几个函数在opencv中的功能，以及参数做个介绍：
- 均值滤波：其函数声明为：void blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT )。
这个函数在上一节中介绍过了，这里简单些一下。
功能：对输入的图像src进行均值滤波后用dst输出。
参数：src和dst当然分别是输入图像和输出图像。size为均值滤波器模板大小。Anchor为锚点（具体什么没看源码不懂），如果为Point(-1,-1)，则锚点是滤波器的中心点。borderType为边缘点插值类型。
理解：以原图对应像素为中心的与模板中心重叠，将模板覆盖领域内全部像素求均值就是滤波后像素的值了。
- 高斯滤波：其函数声明为： void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT ) ;
功能：对输入的图像src进行高斯滤波后用dst输出。
参数：src和dst当然分别是输入图像和输出图像。Ksize为高斯滤波器模板大小，sigmaX和sigmaY分别为高斯滤波在横线和竖向的滤波系数（有点晦涩，等下解释）。borderType为边缘点插值类型。
理解：数字图像的滤波可以简单的这么理解，就是对原图像的每一个像素滤波，那么对应这个像素滤波后的值是根据其相邻像素（包括自己那个点）与一个滤波模板进行相乘即可。所以具体到高斯滤波，我们只要知道这个高斯滤波的模板即可。
那怎么确定这个模板呢？首先这个模板的大小为ksize，其每个数字的计算是这样的：
其中 是归一化系数，因为其和要为1.
为了简化，一般在二维图像处理中，ui和uj取0，sigma1和sigma2取相等。所以公式就简化为 ：
因此很容易就计算出模板每个位置的数字了，简单吧！
但是要注意2点，第一点就是ksize的宽和高必须是奇数；第二点就是如果参数sigmaX=sigmaY=0,则实际用的是公式sigma = 0.3*((ksize-1)*0.5 - 1) + 0.8 .
- 中值滤波：其函数声明为void medianBlur(InputArray src, OutputArray dst, int ksize)。
功能：对输入的图像src进行中值滤波后用dst输出。
参数：src和dst当然分别是输入图像和输出图像。ksize为均值滤波器模板大小，因为模板为正方形，所以只有一个参数。
理解：以原图对应像素为中心的与模板中心重叠，将模板覆盖领域内全部像素排序后的中间值就是滤波后像素的值了，所以模板长度必须为奇数。
- 双向滤波：其函数声明为：void bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT )
功能：对输入的图像src进行双向滤波后用dst输出。
参数：src和dst当然分别是输入图像和输出图像。d为每个像素领域的直径，sigmaColor为颜色空间的标准偏差，sigmaSpace为坐标空间的标准偏差。borderType为边缘点插值类型。
理解：暂时不明白双向滤波的工作原理，以后有时间弄懂再补上吧，也欢迎大家补上。
就写到这里吧，输入公式和文字都累死了！并且写这种文章怎么感觉在写翻译文档呢！