1 .图像强度值变化慢的区域只包含低频，图像强度变化快的区域产生高频。
2、由于图像是二维的，频率可以分为两种，垂直频率(垂直方向的变化)和水平频率区域(水平方向的变化)。
低通滤波作用：目的是去除图像中的高频部分，减少图像变化的幅度。
1、cv::blur 归一化框滤波器，他用该像素附近的平均值替换每个像素的值，使图像更平滑。
2、cv::GaussianBlur高斯滤波对邻近像素具有高重要性。 也就是说，计算出相近像素比较远的像素具有更大权重的加权平均值。
如果知道模板的大小和高斯函数的方差sigma，就可以根据二维高斯函数的公式简单地计算高斯核。 归一化就好了。
一般为dim = 1 + 2 * ((int) (3.0 * sigma))
可以使用matlab的函数直接计算高斯核。 例如，3x3的高斯模板： filter=fspecial('Gaussian '，3，1 )，其中sigma=1
3、cv::boxFilter块滤波器是矩形的，滤波器中的所有值都相等。
实现原理：
1 .对于用邻近像素的加权累积值替换像素值的滤波器，该滤波器称为线性。
这里使用的是平均滤波器。 也就是说，将矩形附近内的所有像素进行累积相加，除以其附近的数=求出平均值。 而且，使用该平均值代替原始像素的值，相当于对附近内的1像素*1进行累计加法运算。 也可以将与相邻像素位置相对应的放大率存储在一个矩阵中，在此矩阵中表示滤波器的不同权重。
应用线性滤波器相当于将卷积内核(内核/遮罩/遮罩)移动到图像中的每个像素，然后将每个对应的像素乘以他的权重。 这个过程是卷积的，规格写如下。
在该双重相加过程中，假定(x，y )上的当前像素与卷积内核的中心点对齐，并且位于坐标(0，0 )处。
2、在高斯滤波器的情况下，对应于各个像素的权重与到中心像素的距离成比例。
中选择所需的族。 其中，高斯滤波器的宽度(确定平滑度)由参数表示，越大，高斯滤波器的带宽越宽，平滑度越好。
请注意，“:均值”滤波不会完全移除图像中的所有高频信息。
高斯滤波器是可分离滤波器，用于将二维内核分成两个一维滤波器，对水平频率进行滤波，以及对垂直频率进行滤波。