Opencv 名词解释_GaussianBlur函数_高斯滤波

函数原型:

    void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT);

参数详解：

1. src，输入图像，即源图像，填Mat类的对象即可。它可以是单独的任意通道数的图片，但需要注意，图片深度应该为CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之一。
2. dst，即目标图像，需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone，以源图片为模板，来初始化得到如假包换的目标图
3. ksize，高斯内核的大小。其中ksize.width和ksize.height可以不同，但他们都必须为正数和奇数（并不能理解）。或者，它们可以是零的，它们都是由sigma计算而来。
4. sigmaX，表示高斯核函数在X方向的的标准偏差。
5. sigmaY，表示高斯核函数在Y方向的的标准偏差。若sigmaY为零，就将它设为sigmaX，如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height计算出来。（为了结果的正确性着想，最好是把第三个参数Size，第四个参数sigmaX和第五个参数sigmaY全部指定到。）
6. borderType，用于推断图像外部像素的某种边界模式。注意它有默认值BORDER_DEFAULT。

ps:
高斯核函数：自己找找看，其实看上去就是普通的正态分布函数形式。
我猜ksize是模糊半径的意思，水平方向和竖直方向的半径不一样，需要指定。
标准偏差就是标准偏差……

英文：
Parameters:
src – input image; the image can have any number of channels, which are processed independently, but the depth should be CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
dst – output image of the same size and type as src.
ksize – Gaussian kernel size. ksize.width and ksize.height can differ but they both must be positive and odd. Or, they can be zero’s and then they are computed from sigma* .
sigmaX – Gaussian kernel standard deviation in X direction.
sigmaY – Gaussian kernel standard deviation in Y direction; if sigmaY is zero, it is set to be equal to sigmaX, if both sigmas are zeros, they are computed from ksize.width and ksize.height , respectively (see getGaussianKernel() for details); to fully control the result regardless of possible future modifications of all this semantics, it is recommended to specify all of ksize, sigmaX, and sigmaY.
borderType – pixel extrapolation method (see borderInterpolate() for details).

Demo:
#include “cv.h”
#include “highgui.h”
using namespace cv;

int main(int argc, char** argv) {
Mat img, gray, edges;
img = imread(argv[1]);
cvtColor(img, gray, CV_BGR2GRAY);
GaussianBlur(gray, gray, Size(13, 13), 2, 2);
imshow(“gray”, gray);
waitKey(0);
return 0;
}

运行方法：

g++ test.cpp -o test `pkg-config --cflags --libs opencv`
./test1.png

结果：
当ksize：(5, 5) -> (13, 13) ->(23,23)时，后两者差别已经很小了。

当sigmaX, sigmaY由(1, 1) -> (2, 2) -> (3, 3)时，明显会变化很多