图像噪声滤波器选型完整判断流程（工程落地直接套用）
一、第一步：先判断图像是什么噪声（核心判断依据）
1. 椒盐噪声（脉冲噪声）
特征：随机孤立纯黑 (0)、纯白 (255) 小点，扫描件、老旧监控、强光镜头白斑、二维码图纸常见。首选：中值滤波 medianBlur
- 优势：直接剔除极值噪点，几乎不留痕迹；
- 注意：ksize 必须是奇数，尺寸过大会吞噬细小文字、细线。
2. 高斯噪声（高斯白噪声）
特征：整张图均匀细密雪花噪点，暗光相机、夜景、低照度工业相机、胶片图。首选：高斯滤波 GaussianBlur
- 优势：平滑均匀，相比均值能保留边缘，是边缘检测前标准预处理。
3. 混合噪声（既有雪花又有黑白斑点）
处理顺序：先中值去椒盐 → 再高斯平滑剩余高斯噪点。
4. 同时降噪、且必须保留物体边缘（人脸、产品外观、工件轮廓）
首选：双边滤波 bilateralFilter线性滤波会糊边，双边依靠「空间距离 + 像素色差」双重权重，平滑同色区域、保护边缘；缺点速度慢，实时视频慎用。
5. 重度暗光 / 显微图像噪声（噪点极多）
首选：非局部均值 fastNlMeansDenoising在整张图像寻找相似色块加权降噪，降噪能力远强于高斯；缺点计算量大，静态图片使用，不适合实时流。
6. 仅轻度平滑、算力极低（低端嵌入式）
均值滤波 blur实现最简单、速度最快；代价是边缘模糊严重，仅对无精细轮廓的简易图使用。
