本文探讨了数字图像处理中的高斯模糊原理，解释了模糊是如何通过缩小像素间的差距来实现的。高斯模糊作为低通滤波器，常用于图像边缘的模糊处理。内容包括高斯函数的数学定义及其在二维图像中的应用，阐述了如何利用高斯函数计算像素权重以实现模糊效果。
关于高斯模糊与锐化
清晰的图片，像素间的过渡会较为干脆利落，简而言之，就是像素之间的差距比较大。
而模糊的本质，其实就是使用某种算法把图像像素和像素之间的差距缩小，让中间点和周围点变得差不多；即，让中间点取一个范围内的平均值。
模糊到了极致，比如用于计算模糊的取值区域为整张图片，就会得到一张全图所有像素颜色都差不多的图片。
高斯滤波实际上是一种低通滤波器，也就是说，低波通过，高波滤去。对于图像来讲，就是在低频的部分通过，对于高频的地方滤去。对图像的边缘等细节部分进行模糊，这是由高斯模糊的公式的性质决定的。这点，经常在数字图像处理中利用，以在图像仿真图像重打样等领域进行利用。
高斯模糊的原理
所谓"模糊"，可以理解成每一个像素都取周边像素的平均值
图中，2是中间点，周边点都是1。
“中间点"取"周围点"的平均值，就会变成1。在数值上，这是一种"平滑化”。在图形上，就相当于产生"模糊"效果，"中间点"失去细节。
正态分布的密度函数叫做"高斯函数"（Gaussian function&#x
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
