Opencv学习----图像处理-图像过滤-cv::GaussianBlur

6.1.7 cv::GaussianBlur

6.1.7.1 高斯滤波器

       高斯滤波器是最有用的滤波器 (尽管不是最快的)。 高斯滤波是将输入数组的每一个像素点与 高斯内核 卷积将卷积和当作输出像素值。
      1维高斯函数如下图：

                                                                  

       假设图像是1维的,那么观察上图，不难发现中间像素的加权系数是最大的， 周边像素的加权系数随着它们远离中间像素的距离增大而逐渐减小。
       2维高斯函数可以表达为 :

                                                               

其中 为均值 (峰值对应位置)， 代表标准差(变量 和变量 各有一个均值，也各有一个标准差)。

6.1.7.2 Opencv接口

void cv::GaussianBlur(InputArray src,
		OutputArray dst,
		Size ksize,
		double 	sigmaX,
		double 	sigmaY = 0,
		int 	borderType = BORDER_DEFAULT 
	)		
参数
src	输入图像;图像可以有任意数量的通道，这些通道是独立处理的，但是深度应该是CV_8U、CV_16U、CV_16S、CV_32F或CV_64F。
dst	输出与src大小和类型相同的图像。
ksize	高斯核大小。ksize.width和ksize.height可以不同，但它们都必须是正数和奇数。或者，它们可以是零，然后它们是从sigma计算的。
sigmaX	X方向的高斯核标准差。
sigmaY	Y方向的高斯核标准偏差; 如果sigmaY为零，则将其设置为等于sigmaX，如果两个sigma均为零，则分别从ksize.width和ksize.height计算（有关详细信息，请参阅getGaussianKernel）; 建议指定所有ksize，sigmaX和sigmaY。
borderType	像素外推法, 参见BorderTypes

使用高斯滤波器模糊图像。
该函数将源图像与指定的高斯核进行卷积。

void ES::ImageProcessing::gaussianBlurOper(cv::Mat* dst)
{
	Mat src = imread("lena.jpg", IMREAD_COLOR);
	cv::resize(src, src, Size(src.rows / 4 * 3, src.cols / 4 * 3));
	ImageProcessingParams* img_params = stat-ic_cast<ImageProcessingParams*>(m_params);
	int dim = img_params->m_kernelDim;
	double sigmax = img_params->m_sigmaX;
	double sigmay = img_params->m_sigmaY;
	Mat mat;
	cv::GaussianBlur(src, mat, Size(dim, dim), sigmax, sigmay);
	Mat mergeMat(src.rows, src.cols + mat.cols, src.type());
	Mat submat = mergeMat.colRange(0, src.cols);
	src.copyTo(submat);
	submat = mergeMat.colRange(src.cols, src.cols + mat.cols);
	mat.copyTo(submat);
	mergeMat.copyTo(*dst);
}