本笔记参考crazy_Bingo
基础：
图像处理都是用卷积矩阵对图像卷积计算，如3X3 的矩阵对640 X 480分辨率的图像卷积，最终会得到638 X 478 的图像。卷积过程是这样的：
一、中值滤波 ： 找出矩阵中的最中间值作为像素点
中值滤波后的图像相对暗了一点，因为最大值被舍去了。但相对于均值滤波而言，中值滤波
在滤除噪声的基础上，有效的保存了细节
二、均值滤波：找出矩阵中的平均值作为像素点
丧失了部分细 节，图像变得模糊了。滤除了部分噪声的同步，缺失了更多的细节，
中值滤波算法与均值滤波非常的相似，但滤波的效果却有很大的差别，区别如下：
均值滤波相当于低通滤波，有将图像模糊化的趋势，对椒盐噪声基本无能力。
中值滤波的可以很好的过滤椒盐噪声，缺点是容易造成图像的不连续
三、腐蚀运算
腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体，
腐蚀的算法：用3x3的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“与”操作如果都为1，结果图像的该像素为1。否则为0。结果：使二值图像减小一圈，
粗略的说，腐蚀可以使目标区域范围“变小”，其实质造成图像的边界收缩，可以用来消除小且无意义的目标物。
E(X)={a| Ba 
X}=X 
B
该式子表示用结构B腐蚀A，需要注意的是B中需要定义一个原点，【而B的移动的过程与卷积核移动的过程一致，同卷积核与图像有重叠之后再计算一样】当B的原点平移到图像A的像元(x,y)时，如果B在（x,y）处，完全被包含在图像A重叠的区域，(也就是B中为1的元素位置上对应的A图像值全部也为1)则将输出图像对应的像元(x,y)赋值为1，否则赋值为0。
演示图：
实质上在实现的过程中没有结构元素，而是扫描矩阵的与运算
