高斯滤波算法之Matlab&FPGA实现

1.高斯滤波算法的实现

前面讲的均值/中值滤波，对于滤波窗口内每个像素的权重都是一样的。但是噪声在图像当中常表现为异常视觉效果的孤立像素点或像素块，那么他必然不是平均分布。

这里先引入一个概念：正态分布：

正态分布是最重要的一种概率分布，相关概念是由德国的数学家和天文学家Moivre在1733年提出的，但由于德国数学家Gauss率先将其用于天文学研究，因此也叫做高斯分布。在正态分布里，认为中间状态是常态，过高和过低都属于少数，因此正态分布具有相当的普遍性，典型的比如我们的身高、寿命、血压、成绩、测量误差等都遵从正太分布。

以中国家庭动态跟踪，抽样掉找自报的身高数据为例，如下是2010年男/女身高分布直方图，近似呈现正态分布。

 

弗朗西斯·高尔顿爵士（1822－1911），查尔斯·达尔文的表弟，曾发明了一个叫做高尔顿钉板的装置，展示了正态分布的产生过程。装置上方倒入弹珠，最终撞到钉子后随机选择往左还是往右，结果如下：呈正态分布。

 当然，自然界也有不呈姿态分布的例外，比如财富分布，最初可能是正态分布的，但是优质的资源总是掌握在少数人手里，而穷人对信息和机会更匮乏，结果导致富者越富，贫者越贫，这就是所谓的“马太效应（两极分化）”，如下图所示。

 

扯远了，回归正题，我们这里主题就是要处理高斯分布的噪声，与椒盐噪声不同，高斯噪声则是画面上每个点都存在着不同程度的，与当前像素距离成高斯分布的噪声。这里我们继续在前文已经成熟的3*3滑窗方案上，进行高斯算法的