本文主要总结递归高斯算法的基本原理,分析,实现,指令优化实现等
原始高斯滤波算法计算量很大,网上资料很多,不赘述了,自行search
二维高斯滤波在图像处理中非常非常重要,最常见的是高斯模糊,做模糊滤镜,其本质是空域的低通滤波器,在本人另外的两篇博客同态滤波和MSRCR中有提及。对于同态滤波,需要对对数变换后的结果进行高通滤波,常规是变换到频域进行处理,也可以不进行频域变换,直接进行空域高斯滤波实现低通滤波,然后再用减法实现高通滤波。对于MSRCR算法,每个颜色通道需要进行三个强度的高斯滤波,复杂度可想而知。而且常规的高斯滤波需要考虑滤波窗大小,可以自己参考opencv里面的高斯滤波,可以自己搜一下复杂度分析,对于视频等实时处理,原始算法显然没什么实用性。
后面有人提出先进行水平一维滤波,然后再进行竖直方向一维滤波,对于一个点的滤波,计算数据量由NxN减少为2*N,但还是和窗口大小N有关
有看到一种递归减半滤波平面大小的递归实现,原理不太清楚,可参考如下资料,文中fastFilter函数的定义:
http://blog.csdn.net/smallstones/articl