【图像预处理】高斯滤波 + 代码注释

含义：高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其它像素值经过加权平均后得到。

作用：高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。

高斯噪声：首先，噪声在图像当中常表现为引起较强视觉效果的孤立像素点或像素块。简单来说，噪声的出现会给图像带来干扰，让图像变得不清楚。高斯噪声就是它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。

注：σ的大小决定了高斯函数的宽度。

高斯核计算

理论上，高斯分布在所有定义域上都有非负值，这就需要一个无限大的卷积核。实际上，仅需要取均值周围3倍标准差内[]的值，以外部份直接去掉即可。高斯滤波的重要两步就是先找到高斯模板然后再进行卷积，高斯模板(mask)在有的地方也称作掩膜或者是高斯核。具体案例如下：

假定中心点的坐标是（0,0），那么取距离它最近的8个点坐标，为了计算，需要设定σ的值。假定σ=1.5，则模糊半径为1( size = 3 * 3 )的高斯模板就算如下：

这个时候我们还要确保这9个点加起来为1，这个是高斯模板的特性，这9个点的权重总和等于0.4787147，因此上面9个值还要分别除以0.4787147，得到最终的高斯模板。

高斯滤波计算

假设现有9个像素点，灰度值（0-255）的高斯滤波计算如下：

将这9个值加起来，就是中心点的高斯滤波的值。对所有点重复这个过程，就得到了高斯模糊后的图像。

代码注释：

#高斯函数
void GaussianBlur(InputArray src,　　　　　　//输入图像
　　　　　　　　　　　　OutputArray dst, 　　　//输出图像
　　　　　　　　　　　　Size ksize, 　　　　　　//内核的大小
　　　　　　　　　　　　double sigmaX, 　　　　//高斯核函数在X方向的标准偏差　　
　　　　　　　　　　　　double sigmaY=0, 　　　//高斯核函数在Y方向的标准偏差
　　　　　　　　　　　　intborderType=BORDER_DEFAULT )　　 

#include <opencv2/opencv.hpp>
using namespace cv; 
int main(int argc,char** argv) {
    //载入原图
    Mat image = imread("Gaussian.jpg");
    //创建窗口
    namedWindow("高斯滤波【原图】");
    namedWindow("高斯滤波【效果图】");
    //进行滤波操作
    Mat out;
    GaussianBlur(image,out,Size(3,3),0,0);
    //显示
    imshow("高斯滤波【原图】", image);
    imshow("高斯滤波【效果图】", out);
    waitKey(0);
    return(0);
}