均值滤波（Mean Filtering）是最基础的图像平滑技术之一，广泛应用于去除高斯噪声、预处理低质量图像等场景。作为线性滤波器的代表，其核心思想是通过局部平均实现噪声抑制。本文将深入解析均值滤波的数学原理，对比手动实现与OpenCV的高效方法，并通过实验结果直观展示其效果。

图像算术操作是数字图像处理的基础，广泛应用于图像增强、特效合成、背景分离等场景。本文将深入讲解图像的加法、减法与融合操作的原理、手动实现与OpenCV优化方法，并通过实际案例展示其应用。

高斯滤波是图像处理中最常用的平滑技术之一，通过基于高斯函数的加权平均有效抑制高斯噪声，在降噪的同时保留边缘信息。本文深入剖析高斯滤波的数学原理，展示手动实现与OpenCV优化方法，并对比不同参数下的滤波效果。

霍夫圆检测是图像处理中检测圆形目标的核心方法，其通过参数空间映射将圆形识别问题转化为累加器峰值搜索。相比直线检测，圆的参数维度更高，计算复杂度显著增加。本文深入解析霍夫圆检测的数学原理、优化策略，并提供完整的MATLAB实验代码。

直方图均衡化（Histogram Equalization）是一种通过调整图像灰度分布来增强图像对比度的经典方法，尤其在处理低对比度或光照不均匀的图像时效果显著。本文深入解析其数学原理，并提供手动实现与OpenCV优化方案的完整代码，结合实际应用场景展示其核心价值。

直方图处理是图像增强的核心技术之一，通过调整像素的灰度分布改善图像质量。本文将系统讲解直方图均衡化、直方图匹配原理，并提供详细的MATLAB代码示例。

图像频域分析是理解图像全局特征的重要方法，广泛应用于去噪、边缘检测、压缩等领域。本文将通过 傅里叶变换的基本原理、频谱分析 和 频率域滤波方法，结合 MATLAB 实现示例，系统讲解频域处理的核心技术。

采用的图像滤波包括均值滤波，中值滤波和高斯滤波。高斯滤波可以有效地平滑图像，去除图像中的高频噪声，同时保留图像的主要特征。选取一个滤波窗口,遍历输入图像的每个像素点，统计滤波窗口内的所有像素值,并将这些像素值排序，用排序后位于中间位置的值(中值)来替代当前像素点的值，可以得到中值滤波后的图像。