边缘保留滤波

高斯模糊只考虑了权重，只考虑了像素空间的分布，
没有考虑像素值和另一个像素值之间差异的问题，如果像素间差异较大
的情况下（比如图像的边缘），高斯模糊会进行处理，但是我们不需要
处理边缘，要进行的操作就叫做边缘保留滤波（EPF）

两种操作

高斯双边

差异越大，越会完整保留 若是高斯模糊，则整体都会模糊掉，实现滤镜效果。 用高斯模糊像是开滤镜，双边模糊像是加美颜。

def bilateralFilter(src, d, sigmaColor, sigmaSpace, dst=None,borderType=None): # real signature unknown;restored from __doc__
#值域和空域的两个方差sigma可以简单的设置为相等，
小于10，无太大效果，大于150效果太强，像卡通片似的。
滤波器尺寸d：大于5将较慢（5 forreal-time），d=9，for
 off-lineapplications，d 是像素邻域“直径”。计算的半径，半径之内
的像数都会被纳入计算，如果提供-1，会从后面的参数sigmaSpace中
自动计算。
Sigma_color颜色空间过滤器的sigma值，这个参数的值越大，
表明该像素邻域内有越宽广的颜色会被混合到一起，产生较大的半相等
颜色区域。 
Sigma_space坐标空间中滤波器的sigma值，如果该值较大，则意味着
颜色相近的较远的像素将相互影响，从而使更大的区域中足够相似的
颜色获取相同的颜色。当d>0时，d指定了邻域大小且与sigmaSpace五官，
否则d正比于sigmaSpace. 

函数即为：

#双边滤波的内在想法是：在图像的值域（range）上做传统滤波器
#在空域（domain）上做的工作。空域滤波对空间上邻近的点进行加
#权平均，加权系数随着距离的增加而减少；值域滤波则是对像素值
#相近的点进行加权平均，加权系数随着值差的增大而减少。

def bi_demo(image):#双边模糊
    dst = cv.bilateralFilter(image,0,100,15)
    cv.imshow("bi_demo",src)

（我的霉霉加美颜还变丑了哼） （用这个图效果就很不错，但想想要是用高斯模糊会出现什么结果，全部变糊。。）

均值迁移

def pyrMeanShiftFiltering(src, sp, sr, dst=None, maxLevel=None, termcrit=None): # real signature unknown; restored from __doc__
第一个参数src，输入图像，8位，三通道的彩色图像，并不要求必须是RGB格式，HSV、YUV等Opencv中的彩色图像格式均可；

第二个参数sp，定义的漂移物理空间半径大小；
　　#越大，细节丢失越多

第三个参数sr，定义的漂移色彩空间半径大小；

第四个参数dst，输出图像，跟输入src有同样的大小和数据格式；

第五个参数maxLevel，定义金字塔的最大层数；

第六个参数termcrit，定义的漂移迭代终止条件，
可以设置为迭代次数满足终止，迭代目标与中心点偏差满足终止，
或者两者的结合；

函数即为：

def shift_demo(image):# 均值迁移
    dst = cv.pyrMeanShiftFiltering(image,10,50)
    cv.imshow("shift_demo",dst)

（有点像油画不是吗）