高斯模糊学习记录

       本文主要借鉴参考了这篇已总结得很好的博文：zddhub 高斯模糊实现小结 ，感谢博主zddhub的精彩总结，记录此文仅供自己学习总结。

       以下是VS2013 下C++实现简要代码，借助OpenCV为了更方便读取、显示图像。只是个一维高斯的简单Demo，用以测试效果。

#include <highgui.h>
#include <cv.h>
using namespace cv;
void main()
{
	Mat src = imread("demo.bmp",2);
	int dd = src.channels();
	Mat dst,middle;// middle存放中间数据
	dst.create(src.size(), src.type());
	middle.create(src.size(), src.type());

	int width = src.cols;
	int height = src.rows;
	//
	// 一维高斯模糊
	double sigma = 6;
	const double PI = 3.141592653;
	int ksize = ceil(sigma * 3) * 2 + 1; // 使边长为奇数
	int kcenter = ksize / 2;

	if (ksize == 1)
	{
		src.copyTo(dst);
		return;
	}

	double *kernel = new double[ksize];

	double temp = -1 / (2 * sigma*sigma); // 高斯公式中间步骤
	double cons = 1 / (sqrt(2 * PI)*sigma);
	double sum = 0;

	for (int i = 0; i < ksize;i++)
	{
		kernel[i] = cons*exp(temp*(i - kcenter)*(i - kcenter)); // 半径即当前元素到模板中心的距离
		sum += kernel[i];
	}

	// 归一化
	for (int i = 0; i < ksize;i++)
	{
		kernel[i] /= sum;
	}

	

	// x方向卷积
	for (int j = 0; j < height;j++)
	{
		for (int i = 0; i < width;i++)
		{
			double result = 0;
			sum = 0;

			for (int index = -kcenter; index <= kcenter;index ++)
			{
				if ((index + i) >= 0 && (index + i) < width)
				{
					result += src.data[j*width + index + i] * kernel[index + kcenter]; // kernel[index+kcenter] 可理解为以kcenter为中心向左右的偏移量（index）					
					sum += kernel[index + kcenter];
				}				
			}

			middle.data[j*width + i] = result / sum;
		}
	}

	// y方向卷积
	for (int j = 0; j < height;j++)
	{
		for (int i = 0; i < width;i++)
		{
			double result = 0;
			sum = 0;

			for (int index = -kcenter; index <= kcenter; index++)
			{
				if ((j+index)>=0 && (j+index)<height)
				{
					result += middle.data[(j + index)*width + i] * kernel[index + kcenter];
					sum += kernel[index + kcenter];
				}
			}

			dst.data[j*width + i] = result / sum;
		}
	}

	delete[] kernel;
	kernel = NULL;

	//
	imshow("原始图片", src);
	imshow("高斯模糊结果图", dst);

	Mat cvGauss;
	GaussianBlur(src, cvGauss, Size(0, 0), 6);  // OpenCV自带高斯函数，可做效果对比
	
	imshow("OpenCV高斯结果", cvGauss);

	waitKey();
}

       运行结果如下：