高斯滤波（opencv）

copy

1. int main()  
2. {  
3.  IplImage* img = cvLoadImage("C:\\vvv.jpg", 0);  
4.   
5.     IplImage *avgImg = cvCreateImage(cvGetSize(img), IPL_DEPTH_8U, img->nChannels);     
6.  IplImage *medianImg = cvCreateImage(cvGetSize(img), IPL_DEPTH_8U, img->nChannels);   
7.  IplImage *gaussianImg = cvCreateImage(cvGetSize(img), IPL_DEPTH_8U, img->nChannels);   
8.   
9.   
10.  cvSmooth(img, avgImg, CV_BLUR, 7,img->nChannels);  //采用7x7的窗口对图像进行均值滤波    
11.   
12.  cvSmooth(img, medianImg, CV_MEDIAN, 7, img->nChannels);  //采用7x7的窗口对图像进行中值滤波    
13.   
14.  cvSmooth(img, gaussianImg, CV_GAUSSIAN, 7, img->nChannels);  //  Gauss平滑滤波，核大小为7x7   
15.                                             //高斯的核不同于上面两个，它实现了领域像素的加权平均，离中心越近的像素权重越高  
16.  cvShowManyImages("result", 3, avgImg, medianImg, gaussianImg);  
17.   
18.  cvWaitKey(-1);  
19.   
20.  return 0;  
21. }  

高斯滤波，由于其   核  中的值是，  中间大，向四周逐渐减小的。。。

所以，离 中心 越近 的像素值 权重越高。

这样就使得 像素自己更像自己  。。。同时，，，额，参考  http://www.cnblogs.com/pegasus/archive/2011/05/20/2052031.html

opencv 中的 cvSmooth  可以实现  高斯滤波：

void cvSmooth( const CvArr* src, CvArr* dst,
int smoothtype=CV_GAUSSIAN,
int param1=3, int param2=0, double param3=0, double param4=0 );
src 
输入图像. 
dst 
输出图像. 
smoothtype 
平滑方法: 
CV_GAUSSIAN (gaussian blur) - 对图像进行核大小为 param1×param2 的高斯卷积 

param1 
平滑操作的第一个参数. 
param2 
平滑操作的第二个参数. 对于简单/非尺度变换的高斯模糊的情况，如果param2的值 为零，则表示其被设定为param1。 
param3 
对应高斯参数的 Gaussian sigma (标准差). 如果为零，则标准差由下面的核尺寸计算： 
sigma = (n/2 - 1)*0.3 + 0.8, 其中 n=param1 对应水平核,
n=param2 对应垂直核.
对小的卷积核 (3×3 to 7×7) 使用如上公式所示的标准 sigma 速度会快。如果 param3 不为零，而 param1 和 param2 为零，则核大小有 sigma 计算 (以保证足够精确的操作). 

CV_BLUR_NO_SCALE (简单不带尺度变换的模糊) - 对每个象素的 param1×param2 领域求和。如果邻域大小是变化的，可以事先利用函数 cvIntegral 计算积分图像。 
CV_BLUR (simple blur) - 对每个象素param1×param2邻域 求和并做尺度变换 1/(param1?param2). 
CV_MEDIAN (median blur) - 对图像进行核大小为param1×param1 的中值滤波 (i.e. 邻域是方的). 
CV_BILATERAL (双向滤波) - 应用双向 3x3 滤波，彩色 sigma=param1，空间 sigma=param2. 关于双向滤波，可参考 http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html 
函数 cvSmooth 可使用上面任何一种方法平滑图像。每一种方法都有自己的特点以及局限。 

没有缩放的图像平滑仅支持单通道图像，并且支持8位到16位的转换(与cvSobel和cvaplace相似)和32位浮点数到32位浮点数的变换格式。 

简单模糊和高斯模糊支持 1- 或 3-通道, 8-比特 和 32-比特 浮点图像。这两种方法可以（in-place）方式处理图像。 

中值和双向滤波工作于 1- 或 3-通道， 8-位图像，但是不能以 in-place 方式处理图像.