高斯滤波
1.通俗讲,对整幅图像进行加权平均的过程。 2.十分有效的低通滤波器。 3.两种实现:1.离散化窗口滑窗卷积;2.傅里叶变换。 4.高斯函数: (e:自然对数,≈2.71828) 5.高斯函数积分: 6.高斯分布: 7.高斯滤波性质(5个): ( 1 )二维高斯函数具有旋转对称性,即滤波器在各个方向上的平滑程度是相同的.一般来说,一幅图像的边缘方向是事先不知道的,因此,在滤波前是无法确定一个方向上比另一方向上需要更多的平滑.旋转对称性意味着高斯平滑滤波器在后续边缘检测中不会偏向任一方向. ( 2 )高斯函数是单值函数.这表明,高斯滤波器用像素邻域的加权均值来代替该点的像素值,而每一邻域像素点权值是随该点与中心点的距离单调增减的.这一性质是很重要的,因为边缘是一种图像局部特征,如果平滑运算对离算子中心很远的像素点仍然有很大作用,则平滑运算会使图像失真. ( 3 )高斯函数的傅立叶变换频谱是单瓣的.正如下面所示,这一性质是高斯函数付立叶变换等于高斯函数本身这一事实的直接推论.图像常被不希望的高频信号所污染 ( 噪声和细纹理 ) .而所希望的图像特征(如边缘),既含有低频分量,又含有高频分量.高斯函数付立叶变换的单瓣意味着平滑图像不会被不需要的高频信号所污染,同时保留了大部分所需信号. ( 4 )高斯滤波器宽度 ( 决定着平滑程度 ) 是由参数σ表征的