---

通常，圖像處理軟件將提供模糊濾鏡以使圖像模糊。

有許多算法可以實(shí)現(xiàn)模糊，其中一種稱為高斯模糊算法。它利用高斯分布來處理圖像。

本文是介紹高斯模糊算法，你會(huì)發(fā)現(xiàn)這是一個(gè)簡單的算法。實(shí)際上，它是一種可以在許多情況下使用的數(shù)據(jù)平滑。

1.高斯模糊理論

所謂的模糊可以理解為將像素作為其周圍像素的平均值。

在上圖中，2是中心點(diǎn)，周圍點(diǎn)是1。

中心點(diǎn)將取其周圍點(diǎn)的平均值，它將為1.從價(jià)值角度來看，它是平滑的。在圖形上，它是模糊效果。中心點(diǎn)將失去其細(xì)節(jié)。

?

顯然，如果值范圍非常大，則模糊效果非常強(qiáng)。

以上是原始圖像，3像素模糊半徑和10像素模糊半徑。模糊半徑越大，圖像越模糊。

現(xiàn)在的問題是，如果每個(gè)點(diǎn)都能獲得周圍點(diǎn)的平均值，那么我們應(yīng)該如何分配權(quán)重？

如果我們只使用簡單的平均值，這是不合理的，因?yàn)閳D像是連續(xù)的，距離越近點(diǎn)，點(diǎn)之間的關(guān)系越接近。因此加權(quán)平均值比簡單平均值更合理，距離點(diǎn)越近，權(quán)重越大。

2.正態(tài)分布的權(quán)重

正態(tài)分布是可接受的權(quán)重分布模型。

在圖形上，正態(tài)分布是鐘形曲線，越接近中心，值越大。

3.高斯函數(shù)

上面的正態(tài)分布是一維的，圖是二維的。我們需要二維正態(tài)分布。

正態(tài)分布的密度函數(shù)稱為高斯函數(shù)。一維格式是：

這里μ是x的平均值，因?yàn)橹行狞c(diǎn)是計(jì)算平均值時(shí)的原點(diǎn)，所以μ等于0。

基于一維函數(shù)，我們可以推導(dǎo)出二維高斯函數(shù)。

使用此功能，我們可以計(jì)算每個(gè)點(diǎn)的重量。

4.重量矩陣

假設(shè)中心點(diǎn)的坐標(biāo)為（0,0），那么最接近它的8個(gè)點(diǎn)的坐標(biāo)為：

要計(jì)算權(quán)重矩陣，我們需要設(shè)置σ的值，σ= 1.5，然后模糊半徑1的權(quán)重矩陣是

這9個(gè)點(diǎn)的權(quán)重之和為0.4787147。如果僅計(jì)算這9個(gè)點(diǎn)的加權(quán)平均值，則總和應(yīng)為1，因此上述9個(gè)值應(yīng)除以0.4787147。

5.計(jì)算高斯模糊

利用權(quán)重矩陣，我們可以計(jì)算出高斯模糊的值。

假設(shè)我們現(xiàn)在有0像素，灰度值（0-255）

每個(gè)點(diǎn)乘以其權(quán)重值,? 將這9個(gè)值加起來，我們將得到中心點(diǎn)的高斯模糊值。

對所有其他點(diǎn)重復(fù)此過程，然后我們將在高斯模糊后得到圖形。

6.邊界點(diǎn)的過程

如果一個(gè)點(diǎn)在邊界，沒有足夠的點(diǎn)，我們該怎么辦？

一種解決方案是將所有現(xiàn)有點(diǎn)復(fù)制到相應(yīng)位置以形成新矩陣。

轉(zhuǎn)載于:https://www.cnblogs.com/jinhengyu/p/10257870.html

總結(jié)

以上是生活随笔為你收集整理的什么是高斯模糊算法?的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。