高斯滤波
原理：
“二维八卦天后女孩”是创建高斯过滤器的基础。 如图所示,2-VIGOS的分布是压缩帽形状:
概率分布函数为：
因此,可以考虑两个数值:一个是X方向的标准差,另一个是y方向的标准差。
y 方向的标准偏差是 1 。
，当、随着价值的增加,整个形式更接近平坦。、形状越大,值越小。
计算平滑结果时,需要将“中心”作为起始点,而其他地点则根据其在正常曲线上的位置分配加权,并获得加权平均数。
应用：
高斯平滑是消除照片中高斯噪音的极好方法。
流程：
首先确定权重矩阵
假设中点坐标(0 0),最接近它的8个点是:
假设重量值=1. 半径为1的重量矩阵如下:
如果仅确定这9点的加权平均数,其加权总和也必须等于1,因此以上9点中的每个点除以0.4787147,最后加权矩阵
-
计算高斯模糊
9个像素位置的灰度值(0-255)如下:
每点乘以适当的权重:
得到
隐蔽的核心高值是通过将这9个数值加在一起计算的。
在所有地点重复使用这种方法可产生高斯模糊图片。
如果原始图像是彩色的, 我们可以将高斯平滑应用到三个 RGB 频道的每一个频道 。
OpenCv API:
参数：
- src：输入的图像
- k 大小: 高斯体积大小. N. B. 体积的高度和宽度应该是奇特的, 可能会变化 。
- sigmaX 是水平标准偏差 。
- Sigmay: 垂直标准偏差, 默认 = 0, 和 sigmaX 相同
- 边界类型: 边界类型 。
代码编写：
Gasuss_noise () 方法可在下列条款中找到:
Python+OpenCV(八):图片噪音(辣椒噪音、高斯噪音)
https://blog.csdn.net/qq_45832961/article/details/122309422
高斯噪声图像：
高斯平滑后：