進行邊緣保留濾波通常用到兩個方法：1、高斯雙邊濾波具體程式碼：

#高斯雙邊濾波
def bilateral_demo(img):
    dst = cv.bilateralFilter(src=img,d=0,sigmaColor=100,sigmaSpace=15)
    '''
    高斯雙邊模糊，相當於磨皮操作
    src:原影象
    d: 畫素的領域直徑，可有sigmaColor和sigmaColor計算得到
    sigmaColor： 顏色空間的標準方差，一般越大越好
    sigmaSpace： 座標空間的標準方差（畫素單位），一般越小越好
    '''
cv.imshow('bilateal_dome',dst)
    kennel = np.array([[0
 
, -1, 0], [-1, 5, -1], [0, -1, 0]], np.float32)  # 固定寫法 表示銳化操作，可以使影象更立體
dst1 = cv.filter2D(dst, -1, kennel)  # -1 就表示和原圖一樣
cv.imshow('sharpening_dome',dst1)

2、均值偏移濾波具體程式碼：

#均值偏移濾波
def mean_shift_demo(img):
    dst = cv.pyrMeanShiftFiltering(src=img,sp=15,sr=20)
    '''
    均值偏移濾波處理，想當與把圖片轉油畫的操作
    src: 原影象
 
    sp：空間窗的半徑（The spatial window radius）
    sr: 色彩窗的半徑（The color window radius）
    通過均值遷移來進行邊緣保留濾波有時會導致影象過度模糊
    '''
cv.imshow('mean_shift_demo',dst)

具體原理還沒弄懂，具體理論部分可以看看這幾個大神的部落格：https://blog.csdn.net/jia20003/article/details/52744157https://blog.csdn.net/jia20003/article/details/8214567https://blog.csdn.net/LG1259156776/article/details/51816875