![97d38034b1ac487f2d50c7f1a473762d.png](https://img-blog.csdnimg.cn/img_convert/97d38034b1ac487f2d50c7f1a473762d.png)
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)。
![9c956958ab0fda28cec2db5354dd8348.gif](https://img-blog.csdnimg.cn/img_convert/9c956958ab0fda28cec2db5354dd8348.gif)
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
![a986844d363082ce4795d840deeff7b6.png](https://img-blog.csdnimg.cn/img_convert/a986844d363082ce4795d840deeff7b6.png)
如果二维高斯公式中
CV_EXPORTS_W void GaussianBlur( InputArray src, OutputArray dst, Size ksize,