高斯坐标自然值计算_（十九）再识高斯（高斯滤波）

时间为友，记录点滴。

说过了高斯噪声以及其定量的特性，我们来介绍对噪声做滤波的线性滤波之一GaussianBlur。

GaussianBlur

我们在之前讲过滤波的基础知识以及举了一个最简单的例子，均值滤波。 其实高斯滤波跟均值滤波差不多，也是对邻域的线性卷积过程（卷积=加权和，简单理解现记住）。

也是一个卷积过程

唯一不同的是，他们的算子不同。

算子的由来还是要引入二维高斯分布。我们之前已经讲过了一维高斯分布：

二维（离散）高斯其实就是其在平面坐标系下向三维坐标系的延伸：

其中

都是常数，我们称

服从参数为

的二维正态分布，常把这个分布记作

。

的范围分别为

。这个函数在三维空间中的图像是一个椭圆切面的钟倒扣在

平面上，其中心在

点。

二维高斯曲线

如果二维高斯公式中

，就得到一个比较简洁的公式：

CV_EXPORTS_W void GaussianBlur( InputArray src, OutputArray dst, Size ksize,