基于OpenCV的数字图像处理 课件 项目3-2.3高斯滤波.pptxVIP

高斯滤波

高斯滤波概念高斯滤波卷积过程均值滤波和方框滤波邻域像素值的权重相同，均为1，而高斯滤波会将中心点权重加大，远离中心点的权重减小。如图3.20中要对像素值为20的点求其高斯滤波后的结果，滤波核中像素值99、92、102的位置距离像素值20最远，因此权重最小，权重值为1，像素值为104、107、100、102的点距离像素点20较近，因此权重为2，像素点20距离自己最近，因此权重最大，权重值为8。计算像素点20的高斯滤波后的值，公式为：（99*1+104*2+92*1+107*2+20*8+112*2+99*1+100*2+102*1）/(1+2+1+2+8+2+1+2+1)=70

高斯滤波函数对图中的每一个像素值根据卷积核权重求像素值即可得到高斯滤波后的像素值。OpenCV提供了函数cv2.GaussianBlur()实现高斯滤波，语法格式如下：dst=cv2.GaussianBlur(src,ksize,sigmaX[,sigmaY,borderType])?dst是返回值；?src是需要处理的图像；?ksize是滤波核大小。滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度；?sigmaX是卷积核水平方向(X轴方向)的标准差，其控制的是权重比例。如图3.21所示是不同的sigmaX决定的卷积核，他们在水平方向上的标