1.低通滤波与高通滤波

低通滤波：可以去除噪声或平滑图像；
高通滤波：可以帮助查找图像的边缘；

---

2.函数及相关知识点解释

filter2D(src, ddepth, kernel, dst=None, anchor=None, delta=None, borderType=None)
Stc: 输入的原图像；
Ddepth: 表示目标图像的深度，默认是原来的图像深度相同，即-1；
Dst: 表示输出的目标图像；
Kernel：表示卷积核，一个单通道的浮点型矩阵；如果想在不同的通道使用不同的kernel，可以先使用split（）函数将图像通道分开；
Anchor：内核基准点，默认值为（-1,-1），说明位于kernel的中心位置；类似于偏置。
Delta：表示在将过滤后的像素存储到dst之前，向其添加可选值；
BorderType：表示像素向外逼近的方法，默认值为BORDER_DEFAULT。

U（unsigned integer）表示的是无符号整数，S（signed integer）是有符号整数，F（float）是浮点数。
上面的：CV_8U：表示8位无符号整数

---

3.代码实战

实例代码：
import os
import cv2
import numpy as np

def Filter2D(img_path='images/lenna.jpg'):
    img_src=cv2.imread(img_path)
    img=cv2.resize(src=img_src,dsize=(512,512))
    kernel=np.ones(
        (5,5),np.float32
    )/25
    img=cv2.filter2D(img,-1,kernel=kernel)
    cv2.imshow('img',img)
    cv2.imshow('img_src',img_src)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

if __name__ == '__main__':
    print('Pycharm')
    Filter2D()

（1）模糊

：消除了相邻像素之间的差异

（2）Sobel算子（索贝尔）

：仅用于显示特定方向上相邻像素值的差异：left sobel，right sobel，top sobel，bottom sobel。

（3）浮雕（emboss）

：通过强调像素的差在给定方向的Givens深度错觉。

（4）大纲（outline）

：一个轮廓内核（也称为“边缘”的内核）用于突出显示的像素值大的差异。具有接近相同强度的相邻像素旁边的像素在新图像中将显示为黑色，而强烈不同的相邻像素相邻的像素将显示为白色。

（5）锐化

：强调在相邻的像素值的差异，使图片看起来更加的生动

（6）拉普拉斯算子（laplacian operator）

:用于边缘检测，对检测图中模糊的也起作用

（7）分身：就是原图

实时检测例子：
def detect_Filter2D(kernel):
    cap=cv2.VideoCapture(0)
    while cap.isOpened():
        OK,frame=cap.read()
        # 缩放图片的大小
        img = cv2.resize(src=frame, dsize=(512, 512))
        # 卷积操作
        img = cv2.filter2D(img, -1, kernel=kernel)
        cv2.imshow('img', img)
        if cv2.waitKey(1)&0XFF==27:
            break
    cap.release()
    cv2.destroyAllWindows()
if __name__ == '__main__':
    print('Pycharm')
    kernel=np.array((
            [-1,-2,-1],
            [0,0,0],
            [1,2,1]),
            dtype=np.float32
        )
    detect_Filter2D(kernel=kernel)

文章参考处：https://wenku.baidu.com/view/2e23fa6a2d3f5727a5e9856a561252d380eb206d.html
图像位深的解释：https://blog.csdn.net/qq_30460949/article/details/103456712