編寫幼稚的高斯模糊實際上很容易。 它的完成方式與任何其他卷積濾波器完全相同。 盒子濾波器和高斯濾波器之間的唯一區別是您使用的矩陣。

假設您有一個定義如下的圖像：

0 1 2 3 4 5 6 7 8 9

10 11 12 13 14 15 16 17 18 19

20 21 22 23 24 25 26 27 28 29

30 31 32 33 34 35 36 37 38 39

40 41 42 43 44 45 46 47 48 49

50 51 52 53 54 55 56 57 58 59

60 61 62 63 64 65 66 67 68 69

70 71 72 73 74 75 76 77 78 79

80 81 82 83 84 85 86 87 88 89

90 91 92 93 94 95 96 97 98 99

3x3框式濾波器矩陣定義如下：

0.111 0.111 0.111

0.111 0.111 0.111

0.111 0.111 0.111

要應用高斯模糊，請執行以下操作：

對于像素11，您需要加載像素0、1、2、10、11、12、20、21、22。

然后將像素0乘以3x3模糊濾鏡的左上部分。 像素1位于頂部中間，像素2位于右側頂部，像素10位于左側中間，依此類推。

然后將它們全部加在一起，并將結果寫入像素11。您可以看到，像素11現在是像素本身及其周圍像素的平均值。

邊緣情況確實變得更加復雜。 您為紋理邊緣的值使用什么值？ 一種方法是將紙卷包裹到另一側。 這對于稍后平鋪的圖像看起來不錯。 另一種方法是將像素推入周圍的地方。

因此，對于左上角，您可以按以下方式放置樣本：

0 0 1

0 0 1

10 10 11

我希望您能看到如何輕松地將其擴展到大型過濾器內核(即5x5或9x9等)。

高斯濾波器和盒式濾波器的區別在于矩陣中的數字。 高斯濾波器使用行和列上的高斯分布。

例如，對于任意定義為的過濾器(即，這不是高斯的，但可能相距不遠)

0.1 0.8 0.1

第一列將是相同的，但會乘以上面一行的第一項。

0.01 0.8 0.1

0.08

0.01

第二列將是相同的，但是值將乘以上一行中的0.8(依此類推)。

0.01 0.08 0.01

0.08 0.64 0.08

0.01 0.08 0.01

將以上所有內容加在一起的結果應等于1。以上濾鏡與原始盒式濾鏡之間的差異是，寫入的末像素向中心像素(即位于該位置的像素)的權重要大得多 已經)。 之所以會發生模糊，是因為周圍的像素確實模糊了該像素，盡管不是那么多。 使用這種濾波器，您會得到模糊效果，但不會破壞太多的高頻信息(即，像素之間的顏色快速變化)。

這些過濾器可以做很多有趣的事情。 您可以通過從當前像素減去周圍像素來使用這種濾鏡進行邊緣檢測。 這樣只會留下真正的顏色(高頻)大變化。

編輯：一個5x5過濾器內核的定義與上面完全相同。

例如，如果您的行是0.1 0.2 0.4 0.2 0.1，那么如果您將它們中的每個值乘以第一項以形成一列，然后將每個值乘以第二項以形成第二列，依此類推，您將最終得到一個過濾器 的

0.01 0.02 0.04 0.02 0.01

0.02 0.04 0.08 0.04 0.02

0.04 0.08 0.16 0.08 0.04

0.02 0.04 0.08 0.04 0.02

0.01 0.02 0.04 0.02 0.01

采取一些任意位置，您可以看到位置0、0就是簡單的0.1 * 0.1。 位置0、2為0.1 * 0.4，位置2、2為0.4 * 0.4和位置1、2為0.2 * 0.4。

我希望能給您足夠的解釋。

總結

以上是生活随笔為你收集整理的android 高斯模糊 c,c-如何在不使用任何内置高斯函数的情况下对图像进行高斯模糊处理？...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。