转自:http://blog.csdn.net/hoodlum1980/article/details/2142448
最近有感于部分网友对高斯模糊滤镜的研究,现总结如下。高斯模糊是数字图像模板处理法的一种。其模板是根据二维正态分布(高斯分布)函数计算出来的。
正态分布最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。故名高斯模糊。
一维正态分布的函数定义:
型随机变量的分布,第一参数μ是遵从正态分布的随机变量的均值,第二个参数σ2是此随机变量的方差,所以正态分布记作N(μ,σ2 )。 遵从正态分布的随机变量的概率规律为取 μ邻近的值的概率大 ,而取离μ越远的值的概率越小;σ越小,分布越集中在μ附近,σ越大,分布越分散。正态分布的密度函数的特点是:关于μ对称,在μ处达到最大值,在正(负)无穷远处取值为0,在μ±σ处有拐点。它的形状是中间高两边低 ,图像是一条位于x轴上方的钟形曲线。当μ=0,σ2 =1时,称为标准正态分布,记为N(0,1)。
两个常数的意义:μ 期望, σ^2 方差。
下面我们解决第一个疑问:高斯模糊滤镜中的半径是什么?答案是高斯半径就是公式中的σ。
高斯曲线的图形和半径的含义如下图(来自Adobe SDK中技术支持专家的文档)所示:
可见高斯半径(σ)对曲线形状的影响,σ越小,曲线越高越尖,σ越大,曲线越低越平缓。因此高斯半径越小,则模糊越小,高斯半径越大,则模糊程度越大。我们将看到ps对高斯半径的范围定义是【0.1~250】。当半径为0.1时,高斯模板在计算后只有中间像素为1,其他像素均=0(实际上只是趋近0),即图像不会有变化。
第二个疑问,高斯模板大小和高斯半径的关系?这是一个一直困扰我们的误解。因为我们的思维进入了物理实现的误区。在物理实现中,高斯模板有界,从而使我们忽略了这个问题的真正答案:高斯模板在逻辑上是无边界的。也就是说高斯模板本质上是逻辑上无穷拓展曲面的一个近似。因此,模板大小我们应该认为它是无穷大的。只不过在计算的时候,因为在远处趋近0,因此在某个阈值之下我们不再考虑这些值,这个阈值就是模板边界。
下面,二维高斯曲面的公式:
即:g(x,y)= ( 1 / (2*pi*σ^2) ) * exp( -(x^2+y^2)/(2*σ^2) ) ;
根据这个公式,我们可以计算出不同半径下的高斯模板,实际上模板是无穷大的,只是在中心较远处,他们会趋近0.例如,我们计算出r=0.7时的一个归一化后的高斯模板:
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
在网络上众所周知流传的高斯3*3模板实际上是对高斯曲面的一个整数除法形式的近似:
1 2 1
2 4 2 /16
1 2 1
实际验证,我们发现这个3*3模板实际上是对高斯半径为0.849 的一个近似,当r=0.849时,其3*3归一模板为:
guass radius=0.849000
0.062467 0.125000 0.062467
0.125000 0.250131 0.125000
0.062467 0.125000 0.062467
我们可以在Matlab中用如下语句绘制高斯曲面:
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/6810355c2f78c12e91b7997a8e8c583a.gif)
效果如下图:
在数字信号处理中,高斯模糊算法是一种滤波器,它的时域和频域曲线如下所示:
从频域曲线看出,高斯模糊本质上一种低通滤波器。体现在图像处理上,图像的边缘等灰度变化剧烈的地方对应高频信息,将被滤除。
最后,我们给出计算高斯模糊模板的C语言代码,请注意,由于高斯模板是对称的,实际上我们只需要计算出大约1/4模板即可。但这里的代码我们没有做这样的优化。我们输出的模板是(2*N+1)*(2N+1),高斯半径用r表示。计算结果将输出到文件中。
#include < stdio.h >
#define N 3 /* box size : (2N+1)*(2N+1) */
void main()
{
double a[ 2 * N + 1 ][ 2 * N + 1 ];
double r = 0.6 ; /* gauss radius [ 0.1, 250 ] */
double A = 1 / ( 2 * M_PI * r * r);
for (i =- 1 * N;i <= N;i ++ )
{
for (j =- 1 * N;j <= N;j ++ )
{
a[i + N][j + N] = A * exp(( - 1 ) * (i * i + j * j) / ( 2 * r * r));
}
}
}