---

通常，圖像處理軟件將提供模糊濾鏡以使圖像模糊。

有許多算法可以實現模糊，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，你會發現這是一個簡單的算法。實際上，它是一種可以在許多情況下使用的數據平滑。

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，周圍點是1。

中心點將取其周圍點的平均值，它將為1.從價值角度來看，它是平滑的。在圖形上，它是模糊效果。中心點將失去其細節。

?

顯然，如果值范圍非常大，則模糊效果非常強。

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。

現在的問題是，如果每個點都能獲得周圍點的平均值，那么我們應該如何分配權重？

如果我們只使用簡單的平均值，這是不合理的，因為圖像是連續的，距離越近點，點之間的關系越接近。因此加權平均值比簡單平均值更合理，距離點越近，權重越大。

2.正態分布的權重

正態分布是可接受的權重分布模型。

在圖形上，正態分布是鐘形曲線，越接近中心，值越大。

3.高斯函數

上面的正態分布是一維的，圖是二維的。我們需要二維正態分布。

正態分布的密度函數稱為高斯函數。一維格式是：

這里μ是x的平均值，因為中心點是計算平均值時的原點，所以μ等于0。

基于一維函數，我們可以推導出二維高斯函數。

使用此功能，我們可以計算每個點的重量。

4.重量矩陣

假設中心點的坐標為（0,0），那么最接近它的8個點的坐標為：

要計算權重矩陣，我們需要設置σ的值，σ= 1.5，然后模糊半徑1的權重矩陣是

這9個點的權重之和為0.4787147。如果僅計算這9個點的加權平均值，則總和應為1，因此上述9個值應除以0.4787147。

5.計算高斯模糊

利用權重矩陣，我們可以計算出高斯模糊的值。

假設我們現在有0像素，灰度值（0-255）

每個點乘以其權重值,? 將這9個值加起來，我們將得到中心點的高斯模糊值。

對所有其他點重復此過程，然后我們將在高斯模糊后得到圖形。

6.邊界點的過程

如果一個點在邊界，沒有足夠的點，我們該怎么辦？

一種解決方案是將所有現有點復制到相應位置以形成新矩陣。

轉載于:https://www.cnblogs.com/jinhengyu/p/10257870.html

總結

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。