《OpenCV 2 Computer Vision Application Programming Cookbook》
   Chapter 6 Filtering the Images

1. 滤波器。第一次接滤波器的概念，是在大二的电子设计实验课和信号与系统这两门课上。顾名思义，滤波，就是将信号的某些个频段的波给去掉，比如说像低通滤波器（low-pass filter），就是将高频段的波去掉，只允许低频波通过。对应到图像处理上，就是去观察图像的各个像素值的变化和分布。比如说，一副画有天空的图片，其大部分颜色都是蓝色，所以其像素变化小，可以归到“低频段”；相反的，一副画有各种场景、人物、物体的图像，其像素种类多、变化快，相对的就可以归到“高频段”了。工程上将这种方法叫做频域（frequency domain）分析，而在图像处理上叫做空间域（spatial domain）分析。这也是工程概念在图像处理上的一个典型应用。
2. 卷积。在大二的复变函数和信号与系统这两门课上学过。不过因为遗忘再加上当年没学好，所以在看这章的时候相对来说有些吃力。在这里，卷积是图像处理中好多变换的基础，而其功能的实现主要是由其卷积核的形式来决定的。这个核本质上是一个大小固定、由数值参数参数组成的一个数组，数组的参考点（anchor pointer）通常位于数组的中心。以一个3*3卷积核为例：若要计算一个特定点的倦极值，将核的参考点与该点对应，核的其余元素与特定点周围的像素一一对应，将这些值相乘求和，并将结果放到参考点所对应点的位置。通过在整个图像上扫描卷积核，就可以实现对图像所有像素值的卷积操作从而实现莫种图像变换。
   
3. Sobel Filter：求导（近似）。参考《学习OpenCV》P171：Sobel导数并不是真正的导数，因为Sobel导数定义在一个离散空间之上。Sobel算子真正表示的多项式拟合，也就是说，x方向上的二阶Sobel导数并不是真正的导数。它是对抛物线函数的局部拟合。这么理解，导数的大小表示的数值变化的程度，对应到图像处理上，就是反映各个像素值变化的快慢了（高数不好，先这么理解了）。