高斯模糊

我们前面提到，可以使用加权平均操作来降低图像的噪声，其基本原理就是按照领域像素的重要程度来进行加权。

那这个加权平均的滤波器是怎样的呢？我们可以构建如下的加权平均滤波器：

离中心点越近的权值比越远的权值要高，但这个滤波器的尺寸太小，通常很难看出区别，而且更重要的是权重大小的设置比较繁琐。我们知道，高斯函数呈现出的特征就是中间高，两边低的钟形。下图是二维高斯函数的可视化图形：

能不能利用高斯函数的这种性质，自动生成加权平均的滤波器呢？当然是可以的。下图是带有噪声的原始图像。

我们直接调用opencv中的GaussianBlur()函数。

import cv2
lena = cv2.imread("lena_Gauss.png", 0)
Gauss_filter = cv2.GaussianBlur(lena, (7, 7), 10, 10)
cv2.imshow("lena_Gauss_filter", Gauss_filter)
cv2.waitKey()

代价当然是图像变模糊了，要不然咋叫高斯模糊，这里的sigma=10，sigma越大，图像越模糊。需要注意的是，这里的高斯模糊与高斯噪声完全是2回事。假设原图像带有sigma=10的高斯噪声，这个高斯模糊滤波器的sigma=10，这是2个完全不同的sigma。