如何确定高斯滤波的标准差和窗口大小

高斯函数与高斯滤波

一维高斯函数我们都熟悉,形式如下:

G ( x ) = 1 2 π σ exp ⁡ ( − x 2 2 σ 2 ) G(x) = \frac{1}{\sqrt{2\pi}\sigma} \exp(-\frac{x^2}{2\sigma^2}) G(x)=2π σ1exp(2σ2x2)

计算机视觉中,高斯滤波使用的高斯核为 x x x y y y两个一维高斯的乘积,两个维度上的标准差 σ \sigma σ通常相同,形式如下:

G ( x , y ) = 1 2 π σ 2 exp ⁡ ( − x 2 + y 2 2 σ 2 ) G(x, y) = \frac{1}{2\pi\sigma^2}\exp(-\frac{x^2+y^2}{2\sigma^2}) G(x,y)=2πσ21exp(2σ2x2+y2

  • 25
    点赞
  • 131
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值