1，低通高斯滤波器
实际应用中要求卷积核是各向同性的（圆对称），其响应与方向无关。高斯核是唯一可分离的圆对称核，因此非常适合图像处理，对于去除图像中的随机噪声非常有效。
高斯核的数学表达式为：
正态分布是一种钟形曲线，越接近中心，取值越大，越远离中心，取值越小。
2，函数api接口
CV_EXPORTS_W void GaussianBlur( InputArray src, OutputArray dst, Size ksize,
double sigmaX, double sigmaY = 0,
int borderType = BORDER_DEFAULT );
参数说明：
src：低通滤波输入图像，可以是灰度图像，也可以是多通道的彩色图像
dst：低通滤波输出图像，大小和类型与 src 相同
ksize：模糊核的大小，元组 (width, height)，宽度、高度应设为正奇数
sigmaX：x 轴方向的高斯核标准差
sigmaY：y 轴方向的高斯核标准差，可选项
borderType：边界扩充的类型
sigma：高斯核的标准差
注意事项：
sigmaY 缺省时 sigmaY=sigmaX；sigmaY=sigmaX=0 时，由 ksize 自动计算并设置 sigmaY, sigmaX 的值。
如 sigma 为负值，由 ksize 自动计算并设置 sigma 的值：sigma = 0.3*((ksize-1)/2 – 1) + 0.8。
3，代码示例参考
//高斯模糊
Mat dst;
GaussianBlur(src, dst, Size(15, 15), 0);
imshow("gaussian blur", dst);
运行结果参考：
4，高斯模糊和均值模糊对比
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/182012.html
