计算机图像处理-高斯滤波

高斯滤波

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到，通常用它来减少图像噪声以及降低细节层次。这种模糊技术生成的图像，其视觉效果就像是经过一个毛玻璃在观察图像，这与镜头焦外成像效果以及普通照明阴影中的效果都明显不同。高斯平滑也用于计算机视觉算法中的预处理阶段，以增强图像在不同比例大小下的图像效果（参见尺度空间表示以及尺度空间实现）。从数学的角度来看，图像的高斯模糊过程就是图像与正态分布做卷积。由于正态分布又叫高斯分布，所以这项技术就称为高斯模糊。图像与圆形方框模糊做卷积将会生成更加精确的焦外成像效果。由于高斯函数的傅立叶变换是另外一个高斯函数，所以高斯模糊对于图像来说就是一个低通滤波器。

实现步骤

高斯卷积核的生成步骤为：

1. 确定卷积核的尺寸，比如 5 × 5 ；

2. 设置高斯函数的标准差，比如

3. 计算卷积核各个位置权重值；

4. 对权重进行归一化。

示例代码

OpenCV中可利用 cv2.GaussianBlur( src,ksize,sigmaX [,DST [, sigmaY [, borderType ]]]) 来实现高斯滤波，其中参数 src 为输入图像， ksize 为高斯核的大小， sigmaX 为 X 方向上的高斯核标准偏差， dst 为输出与图像大小和类型相同的图像 src ， sigmaY 为 Y 方向上的高斯核标准差， borderType 为像素外推方法。

相关阅读:
Spring web security
【送书活动】全网超50万粉丝的Linux大咖良许，出书了！
JAVA中使用最广泛的本地缓存？Ehcache的自信从何而来 —— 感受来自Ehcache的强大实力
LeetCode-1030. 距离顺序排列矩阵单元格_Python
Spring Boot 使用 Mail 实现登录邮箱验证
C#解析JSON
高蛋白过敏我们该如何缓解？教你几招远离过敏吃喝无忌
HTML静态网页成品作业(HTML+CSS)——美食火锅介绍网页(1个页面)
【Python】OS 模块简介
智能指针（Newbie Note）

原文地址：https://blog.csdn.net/qq_20660115/article/details/133426990