openCV学习笔记----深入理解高斯滤波（二）

    这一次，我将较为深入地探讨高斯滤波，包括参数的影响、参数的选取、高斯模板的形成以及自行编程实现高斯滤波的效果与openCV函数实现效果比对。

    首先，我们接（一）中最后所述的内容继续开始探讨。在（一）中，我们最后探讨了一下关于高斯函数中的sigma的选取对于模板生成的影响和对滤波效果的影响，但是我在（一）中我未给详细地解释，这里我想比较通俗地并且具体地阐述一下这些影响的成因：

    上回书说道“sigma表示的是标准差，如果标准差比较小，这是就相当于图像点运算，则平滑效果不明显；反之，标准差比较大，则相当于平均模板，比较模糊”，那么这么说可能很多人包括一开始的我并不是很理解，这是为什么呢，那么我们需要从高斯函数谈起：
                                              

这样一个高斯函数的概率分布密度如下图所示：
                            

我们要理解好这个图，横轴表示可能得取值x，竖轴表示概率分布密度F(x)，那么不难理解这样一个曲线与x轴围成的图形面积为1。sigma（标准差）决定了这个图形的宽度，我给出下述结论：sigma越大，则图形越宽，尖峰越小，图形较为平缓；sigma越小，则图形越窄，越集中，中间部分也就越尖，图形变化比较剧烈。这其实很好理解，如果sigma也就是标准差越大，则表示该密度分布一定比较分散，由于面积为1，于是尖峰部分减小，宽度越宽（分布越分散）；同理，当sigma越小时，说明密度分布较为集中，于是尖峰越尖，宽度越窄！

理解好上述结论之后，那么（一）中的结论当然也就顺理成章了，sigma越大，分布越分散，各部分比重差别不大，于是生成的模板各元素值差别不大，类似于平均模板；sigma越小，分布越集中，中间部分所占比重远远高于其他部分，反映到高斯模板上就是中心元素值远远大于其他元素值，于是自然而然就相当于中间值得点运算。

程序也可以验证如下：

窗口尺寸：3*3      sigma = 0.1

窗口尺寸：3*3      sigma = 0.8

 窗口尺寸：3*3      sigma = 2

     接着，我们来重点讨论下高斯模板，在初学高斯滤波的时候，用得最多的也是最经典的一个3*3模板就是                                                         1  2  1  

                                                           [ 2  4  2 ]
                                                             1  2  1

,当时我就很纳闷这个模板是怎么出来的，后来我经过多方查找资料，基本得到了如下的解释：高斯模板实际上也就是模拟高斯函数的特征，具有对称性并且数值由中心向四周不断减小，这个模板刚好符合这样的特性，并且非常简单，容易被大家接受，于是就比较经典！但是这样一个简单的矩阵是远远不能满足我们对图像处理的要求的，我们需要按照自己的要求得到更加精确的模板，那么接下来我们就编程实现自己想要的高斯模板。部分关键函数如下：
double** createG(int iSize, double sigma)
{
 double **guass;
 double sum = 0;
 double x2 = 0;
 double y2 = 0;
 int center = (iSize - 1) / 2;
 guass = new double*[iSize];//注意，double*[k]表示一个有10个元素的指针数组

 for (int i = 0; i < iSize; ++i)
 {
  guass[i] = new double[iSize];
 }
 for (int i = 0; i<iSize; i++)
 {//使用x2，y2降低了运算速度，提高了程序的效率