CV高斯滤波通俗理解

做机器视觉项目，图像的预处理目的主要有两个:

1. 增强检测特征的对比度; 2. 削弱无关信息的对比度。从而提高系统的整体性能。

而滤波器的作用对于图像预处理环节非常重要。

比如，在Halcon里面，提供了gen_gauss_filter和lines_gauss等包含高斯滤波的算子。从频谱的高低来划分一副图像，可以分为以下三个部分:

1. 高频部分(噪声)， 2. 中频部分(纹理，瑕疵，线)，3.低频部分（纯色背景）。

运用一个高斯滤波器可以获取图像的低频部分。通过两个高斯滤波器组合起来，可以获取中频部分。

参考Halcon文档对高斯滤波的定义:

提供了三点信息:

1. 在实际处理中，运用到的是一条标准正态分布的概率密度曲线。这就可以理解高斯卷积核中，中心点(原点)的权重最大；

2. 定义窗口大小后，Sigma也就定义好了；Halcon默认的Window Size ≈ 5 * Sigma。我们知道， 在正态分布曲线中，期望值左右2*Sigma的范围内，包含了大部分信息（95%）。左右各2*Sigma，加上原点，那么窗口的尺寸就是5*Sigma。

3. 高斯滤波器的作用是对图像进行平滑, 高斯卷积核就是一个低通滤波器。卷积窗越大，标准差(Sigma)越大， 截止频率越低，图像就越模糊。

在实际应用中，图像域做卷积=对频域做乘积，我们来看对图像域做卷积的卷积核:

 这是一个尺寸为3*3的卷积核，9的点的权重之和为1，每个点的权重系数是高斯函数得来。

对像素的灰度值进行加权平均，会降低图像对比度，让图像更模糊。

这样就不难理解，本质上高斯滤波是一个低通滤波器。

参考:

1. 高斯滤波_机器人自动化控制的博客-CSDN博客_labview高斯滤波

2. 高斯滤波核的大小与sigma（标准差）之间的关系_xuelangwin的博客-CSDN博客_高斯滤波核大小

3. halcon视觉缺陷检测系列（2）频域和空间域转换的方法详解_libaineu2004的博客-CSDN博客_频域和空间域的转换