OpenCV 核心算法底层数学原理超详细解析前置基础：图像与卷积基础图像在计算机中是二维离散矩阵 \(I(x,y)\)，x 列，y 行，单通道灰度值 \(0\sim255\)。卷积（Convolution）：所有滤波、边缘检测底层统一操作。 给定卷积核 K，输出像素： \(I_{out}(x,y) = \sum_{i}\sum_{j} K(i,j) \cdot I_{in}(x+i,y+j)\) 核窗口逐像素滑动遍历全图，是图像处理最底层运算。一、图像平滑滤波（降噪）1. 均值滤波 blur原理核内所有权重相等，邻域像素取平均，抹平随机噪声。 以 3×3 核为例： \(K = \frac{1}{9}\begin{bmatrix}111\\111\\111\end{bmatrix}\) \(I_{out}(x,y)=\frac{1}{k^2}\sum_{x',y'\in窗口}I(x',y')\)缺陷同等权重模糊边缘，物体轮廓会严重虚化，只适合轻度均匀噪声。2. 高斯滤波 GaussianBlur数学原理权重服从二维正态高斯分布，距离中心越近权重越高，平滑更自然。 二维高斯函数： \(G(x,y,\sigma)=\frac{1}{2\pi\sigma^2}\exp\left(-\frac{x^2+y^2}{2\sigma^2}\right)\) \(\sigma\) 控制模糊强度，\(\sigma\) 越大越模糊。流程根据 \(\sigma\) 生成归一化高斯核；图像与高斯核卷积；特点线性平滑，是 Canny 边缘检测强制前置降噪步骤。3. 中值滤波 medianBlur原理非线性滤波，无卷积乘法。窗口内所有灰度值排序，取中位数替换中心像素。 例窗口像素：\([255,30,40,50,0]\)，排序 \([0,30,40,50,255]\)，中位数 40。适用场景椒盐噪声（单点黑白噪点），直接剔除极值噪点，保留边缘优于均值。4. 双边滤波 bilateralFilter双重权重（空间域 + 值域）输出权重 = 空间距离高斯权重 × 像素灰度差高斯权重 \(w(x,y)=w_{space}\cdot w_{range}\)\(w_{space}\)：像素坐标远近，距离越远权重越低；\(w_{range}\)：像素灰度差值，颜色差距大权重趋近 0；核心效果同色区域平滑，边缘色差大的区域不参与平滑，降噪保边缘，用于美颜。5. 非局部均值 fastNl