一、原理
两个方法:①两个高斯核两次加权实现,先对X卷积,后对结果进Y方向上的卷积
②直接用一个二维高斯核一次卷积
原理公式如图
模板窗口的大小一般采用1+2*ceil(3*nSigma) ceil是向上取整函数,例如ceil(0.6)=1。
卷积的意思就是图像中的点附近的模板大小区域乘以高斯模板区域,得到的结果就是该点卷积后的结果。卷积的核心意义就是获取原始图像中像模板特征的性质。
//
//高斯滤波
/
double nSigma = 0.2;//因为在下面ceil(0.6)=1,定义高斯函数的标准差
//得到模板窗口大小
int nWindowSize = 1 + 2 * ceil(3 * nSigma);//sigma得到窗口大小,nsigma是高斯函数的标准差,选用的是3*3模板
//原因是因为高斯分布的数值在(μ—3σ,μ+3σ)的概率为0.9974所以选用3*3
int nCenter = nWindowSize / 2;//以模板的中心为原点
int nWidth = OpenCvGrayImage->width;//获取图像的像素宽度
int nHeight = OpenCvGrayImage->height;//获取图像的像素高度
IplImage * pCanny;
//用CreateImage函数创建图像首地址,并分配存储空