网站seo数据分析,网站开发必用代码,网页设计亮点介绍和心得体会,呼叫中心系统源码高斯滤波
高斯滤波是一种线性平滑滤波#xff0c;适用于消除高斯噪声#xff0c;广泛应用于图像处理的减噪过程。通俗的讲#xff0c;高斯滤波就是对整幅图像进行加权平均的过程#xff0c;每一个像素点的值#xff0c;都由其本身和邻域内的其他像素值经过加权平均后得到…高斯滤波
高斯滤波是一种线性平滑滤波适用于消除高斯噪声广泛应用于图像处理的减噪过程。通俗的讲高斯滤波就是对整幅图像进行加权平均的过程每一个像素点的值都由其本身和邻域内的其他像素值经过加权平均后得到通常用它来减少图像噪声以及降低细节层次。这种模糊技术生成的图像其视觉效果就像是经过一个毛玻璃在观察图像这与镜头焦外成像效果以及普通照明阴影中的效果都明显不同。高斯平滑也用于计算机视觉算法中的预处理阶段以增强图像在不同比例大小下的图像效果参见尺度空间表示以及尺度空间实现。从数学的角度来看图像的高斯模糊过程就是图像与正态分布做卷积。由于正态分布又叫高斯分布所以这项技术就称为高斯模糊。图像与圆形方框模糊做卷积将会生成更加精确的焦外成像效果。由于高斯函数的傅立叶变换是另外一个高斯函数所以高斯模糊对于图像来说就是一个低通滤波器。 实现步骤
高斯卷积核的生成步骤为
1. 确定卷积核的尺寸比如 5 × 5 2. 设置高斯函数的标准差比如 3. 计算卷积核各个位置权重值 4. 对权重进行归一化。 示例代码 OpenCV中可利用 cv2.GaussianBlur( src,ksize,sigmaX [,DST [, sigmaY [, borderType ]]]) 来实现高斯滤波其中参数 src 为输入图像 ksize 为高斯核的大小 sigmaX 为 X 方向上的高斯核标准偏差 dst 为输出与图像大小和类型相同的图像 src sigmaY 为 Y 方向上的高斯核标准差 borderType 为像素外推方法。
