void cv::boxFilter(InputArray src, OutputArray dst, int ddepth, Size ksize, Point anchor=Point(-1,-1), bool normalize=true, int borderType=BORDER_DEFAULT)

src：输入图像。
dst：输出图像。
ddepth：输出图像的深度，通常设为-1表示与输入图像相同。
ksize：滤波器的大小。
anchor：锚点位置，默认为(-1, -1)，表示核的中心。
normalize：是否进行归一化，默认为true。
borderType：边界类型，默认为4。

示例代码：

cv::Mat src = cv::imread("example.jpg");  
cv::Mat dst;  
cv::boxFilter(src, dst, -1, cv::Size(5, 5));  
cv::imshow("Box Filter", dst);  
cv::waitKey(0);

1.3.2 均值滤波（Blur）

均值滤波与方框滤波类似，但在OpenCV中，cv::blur函数直接提供均值滤波的功能。

函数原型：

void cv::blur(InputArray src, OutputArray dst, Size ksize, Point anchor=Point(-1,-1), int borderType=BORDER_DEFAULT)

src：输入图像。
dst：输出图像。
ksize：滤波器的大小。
anchor：锚点位置，默认为(-1, -1)，表示核的中心。
borderType：边界类型，默认为4。

参数与cv::boxFilter类似，但normalize参数在cv::blur中默认为true，因此无需显式指定。

示例代码：

cv::Mat src = cv::imread("example.jpg");  
cv::Mat dst;  
cv::blur(src, dst, cv::Size(5, 5));  
cv::imshow("Blur", dst);  
cv::waitKey(0);

1.3.3 高斯滤波（Gaussian Blur）

高斯滤波是一种加权滤波，权重由高斯函数决定，适用于去除高斯噪声。

函数原型：

void cv::GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT)

src：输入图像。
dst：输出图像。
ksize：滤波器的大小。
sigmaX 和 sigmaY 分别控制X和Y方向上的高斯核标准差。如果sigmaY为0，则与sigmaX相同。
borderType：边界类型，默认为4。

示例代码：

cv::Mat src = cv::imread("example.jpg");  
cv::Mat dst;  
cv::GaussianBlur(src, dst, cv::Size(5, 5), 1.5);  
cv::imshow("Gaussian Blur", dst);  
cv::waitKey(0);

2. 非线性滤波

2.1 定义

非线性滤波是指对图像进行非线性运算的滤波方法。与线性滤波不同，非线性滤波的输出不是输入像素的线性组合，而是基于某种非线性函数或规则计算得到的。

2.2 特点

非线性运算：对图像中的每个像素点，其输出值不是该点邻域内像素值的线性组合，而是基于某种非线性函数或规则计算得到的。
适应性：非线性滤波通常具有更好的适应性，能够更好地处理图像中的复杂噪声和细节。
边缘保持：非线性滤波在去除噪声的同时，能够更好地保持图像的边缘和细节信息。

2.3 常见类型

2.3.1 中值滤波（Median Filter）

中值滤波是一种非线性滤波技术，用于去除图像中的椒盐噪声。它用邻域内像素值的中值代替中心像素值。

函数原型：

void cv::medianBlur(InputArray src, OutputArray dst, int ksize)

src：输入图像。
dst：输出图像。
ksize：滤波器的大小，必须是正奇数。

示例代码：

cv::Mat src = cv::imread("example.jpg");  
cv::Mat dst;  
cv::medianBlur(src, dst, 5);  
cv::imshow("Median Filter", dst);  
cv::waitKey(0);

2.3.2 双边滤波（Bilateral Filter）

双边滤波是一种边缘保持滤波技术，同时考虑像素的空间邻近度和像素值相似度。

函数原型：

void cv::bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT)

src：输入图像。
dst：输出图像。
d：邻域直径。
sigmaColor：颜色空间标准差。
sigmaSpace：灰度空间标准差。
borderType：边界类型，默认为4。

示例代码：

cv::Mat src = cv::imread("example.jpg");  
cv::Mat dst;  
cv::bilateralFilter(src, dst, 9, 75, 75);
cv::imshow("Median Filter", dst);  
cv::waitKey(0);

3. 所有示例

#include <opencv2/opencv.hpp>  
#include <iostream>  

using namespace cv;
using namespace std;

int main() {
    // 读取图像  
    Mat src = imread("C:/Users/Administrator/Desktop/444.jpg");
    if (src.empty()) {
        cout << "Could not open or find the image!" << endl;
        return -1;
    }
    imshow("Original Image", src);  // 显示原始图像

    // 创建输出图像：方框滤波 均值滤波 高斯滤波 中值滤波 双边滤波
    Mat boxdst, blurdst, gaussdst, mediandst, bilaterdst;

    // 方框滤波
    boxFilter(src, boxdst, -1, Size(2, 2), Point(-1, -1), false);   // 默认值可以不用显式指定
    imshow("Box Filter", boxdst);

    // 均值滤波
    blur(src, blurdst, Size(6, 6));
    imshow("Blur Filter", boxdst);

    // 高斯滤波
    GaussianBlur(src, gaussdst, Size(3, 3), 0, 0);
    imshow("Gaussian Filter", gaussdst);

    // 中值滤波
    medianBlur(src, mediandst, 9);  // ksize为奇数
    imshow("Median Filter", mediandst);

    // 双边滤波  
    bilateralFilter(src, bilaterdst, 10, 10, 10);
    imshow("Bilateral Filter", bilaterdst);  
    
    // 等待按键操作  
    waitKey(0);
    return 0;
}

4. 总结

线性滤波和非线性滤波各有优缺点，适用于不同的图像处理场景。线性滤波简单高效，但可能导致图像细节模糊；非线性滤波具有更好的适应性和边缘保持能力，但计算复杂度通常较高。在实际应用中，应根据具体需求选择合适的滤波方法。希望本文能帮助读者更好地理解和使用滤波这项基本且重要的技术，用于改善图像质量、去除噪声、增强边缘等。