本文介绍了图像滤波的基本概念和五大经典滤波算法，包括均值滤波、高斯滤波、中值滤波、双边滤波和导向滤波。图像滤波通过滑动窗口对邻域像素进行统计或加权计算，用于去噪、平滑和边缘保留等预处理任务。文章详细阐述了均值滤波的数学原理和实现步骤，包括离散域计算、卷积核表达、边界处理以及具体例题的手动计算与代码验证。通过Python代码实现展示了均值滤波的实际应用，帮助读者深入理解算法底层逻辑。这些经典滤波方法

灰度图像像素灰度值x∈0255x∈0255，设定分割阈值TTTgx255前景xT0背景x≤Tg(x) =255 \quad (前景), & x > T \\0 \quad (背景), & x \le Tgx255前景0背景​xTx≤T​解释：像素灰度大于阈值 T 判定为前景（白色255），小于等于 T 判定为背景（黑色0）。多阈值分割（T1T2⋯Tk−1T1​T2​⋯Tk−1​gx0。

小波变换是一种多分辨率、局部化的时/空频分析工具，可将图像从空域拆解为不同尺度的低频近似（轮廓）与高频细节（边缘/纹理/噪声）分量，解决了傅里叶变换“无空间定位”、短时傅里叶变换“固定窗宽”的缺陷，是计算机视觉中图像去噪、增强、融合、压缩、特征提取的核心进阶工具。傅里叶变换虽实现了图像从空域到频域的转换，但仅能反映全局频率分布，无法定位“某一频率出现在图像哪个位置”；短时傅里叶变换（STFT）通过

本文系统介绍了卷积运算的原理与应用。卷积源于信号处理，通过"翻转-滑动-叠加"操作描述系统对输入信号的影响。离散一维卷积的计算过程包括卷积核翻转、逐点相乘求和，输出长度公式为m-n+1（无填充时）。为解决多次卷积导致信号缩短的问题，提出零填充和调整步长的方法，并给出统一输出长度公式。文章还阐述了卷积的交换律、结合律等数学性质，并通过Python代码实现了离散一维卷积运算，验证了

对比维度直方图均衡化去雾暗通道先验去雾核心原理空域对比度增强（视觉层面）大气散射模型还原（物理层面）处理逻辑仅拉伸亮度通道动态范围提取暗通道→估算大气光→求解透射率→复原场景色彩处理分离YCrCb亮度通道，避免色彩失真直接对RGB通道做物理建模，保留原始色彩去雾效果对比度提升明显，细节还原有限细节还原精准，雾效去除更彻底计算复杂度低（仅均衡化+直方图计算）高（暗通道+引导滤波等多步运算）结果对比。

空域是「日常操作」：用小卷积核直接处理像素，直观、高效，覆盖90%的日常图像预处理需求（如均值/高斯/中值等五大滤波）；频域是「特殊工具」：用傅里叶变换拆解频率，精准解决空域搞不定的问题（如周期性噪声），是空域的补充而非替代；数学等价但实现独立：空域卷积 ≈ 频域相乘（卷积定理），但两者无前置依赖，可独立学习、独立使用。本次实践完整覆盖一维/二维傅里叶变换与频域滤波傅里叶变换（一维/二维）维度适用

在上一章《角点检测：Harris 与 Shi-Tomasi 原理拆解》中，我们掌握了基于局部灰度变化的角点检测方法，这类算法能有效定位图像中的角点，但存在明显局限——缺乏尺度不变性、旋转不变性，且仅能提供特征点位置，无法实现鲁棒的图像间特征匹配。为解决该问题，本章将重点讲解两类经典的稳健局部特征算法：SIFT（Scale-Invariant Feature Transform，尺度不变特征变换）

园区网安全是保障企业、校园、园区内网稳定运行的基础安全体系，整体分为内部局域网安全与内外网交换安全两层防护逻辑。1）内部局域网安全主要针对园区内网环境，保护交换机、终端、服务器、内网链路等资源，核心目标是管控内网用户行为、防止内网攻击、杜绝内网越权访问，是本课程的学习重点。2）内外网数据交换安全针对内网与互联网、外网之间的边界传输场景，主要依靠防火墙、边界安全设备实现数据过滤、访问防护、攻击拦截。

本文详细介绍了H3CSE高性能园区网中的组播技术。组播是一种点到多点的通讯模式，通过组播地址标识接收者，利用IGMP协议实现终端加入/离开组播组，并依靠组播路由协议和分发树实现高效数据转发。相比单播和广播，组播具有精准投递、带宽高效等优势，适用于视频直播、会议等场景。文章还解析了组播地址分类、IP到MAC的映射机制，以及ASM和SSM两种组播模型的特点与应用场景。组播协议体系通过成员管理、路径建立

MVRP（Multiple VLAN Registration Protocol，多VLAN注册协议）是二层网络中用于交换机之间自动同步VLAN配置信息的动态协议。实现VLAN的动态注册与注销，无需在每台交换机上手动重复创建VLAN自动在Trunk链路上同步VLAN信息，简化跨设备VLAN互通配置提升大型二层组网的运维效率，减少配置错误与重复工作量重复配置繁琐：多交换机级联组网时，需在每台交换机上