java 高斯滤波_1D高斯滤波器水平和垂直[重复]

使用2D高斯的卷积可以使用两个1D高斯执行：

G(x,y)*I=G(x)*(G(y)*I);

您可以在MATLAB中执行以下操作：

img=im2double(imread('cameraman.tif'));

yourFilterSize=[3 5] %3 rows, 5 columns, can be anything

%two 1D Gaussians

g_x=fspecial('gaussian',[1 yourFilterSize(2)]);

g_y=fspecial('gaussian',[yourFilterSize(1) 1]);

%applying 1D gaussian in X-direction to the original image

img_X=imfilter(img,g_x);

%applying 1D gaussian in Y-direction to img_X

img_XY=imfilter(img_X,g_y); %DONE

%verifying that the result is correct

g_xy=fspecial('gaussian',yourFilterSize);

img_XY2D=imfilter(img,g_xy);

max(max(abs(img_XY-img_XY2D))) %this should be very small,

%of the order of machine precision

%for the result to be correct

补充阅读：

在Stackoverflow.com上回答

This，它向您展示了如何确定给定内核是否可分离 . 例如，Gaussian是可分离的，而磁盘内核则不是 .

为什么你更喜欢两个1D卷积而不是一个2D卷积(也在上面提到的链接2中给出)：

假设您有一个大小为 MxN 的图像和一个大小为 PxQ 的滤镜，那么对于2D卷积，您需要 ~ M*P*N*Q 乘法和加法 . 对于两个1D过滤器(大小为 P 和 Q )，您只需要 ~ MNP+MNQ = MN(P+Q) 操作 . 因此，您获得了 PQ/(P+Q) 的加速 .