[matlab] 自适应高斯滤波器在二维图像上的应用

为什么使用自适应高斯滤波器：

通常情况下，在使用高斯滤波器对二维图像进行平滑处理时，高斯函数的方差sigma是一个固定的值。在图像的细节区域（比如头发丝），使用较大的sigma会造成过度平滑，使之失去细节信息，在平坦的区域，使用较大的sigma却是一个比较好的选择。

自适应高斯滤波器就是根据被平滑的图像的局部特征，选择不同的sigma，使得在平滑后的结果图像中，可以保持细节信息。

自适应高斯滤波器原理：

自适应高斯滤波器的指导思想是要在最平滑的结果和最佳的保持细节信息的结果中取一个折中方案。它使用了一个能量函数，该函数的的形式为：

该函数有两项，第一项为 c/sigma^2，第二项为epsilon^2。当这两项的和取最小值时的sigma即为所求。

epsilon是残差，假设对一幅二维图像的高斯平滑可以用下面的公式表示：