高斯滤波参数,高斯核函数的参数

高斯滤波参数,高斯核函数的参数

其中我们最常用到的参数为：img = cv2.GaussianBlur(src, (blur1, blur2), 0),其中src是要进行滤波的原图像，blur1,blur2)是高斯核的大小，blur1和blur2的选取一高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。一维零均值高斯函数为：g(x)=exp( -x^2/(2 sigma^2) 其中，高

通过上述的实现过程，不难发现，高斯滤波器模板的生成最重要的参数就是高斯分布的标准差σσ。标准差代表着数据的离散程度，如果σσ较小，那么生成的模板的中心系数较大，而周围的系数高斯滤波中参数均值和方差称为矩参数(moments parameterization)。这是因为均值和方差是概率分布的一阶矩和二阶矩；正态分布的其它矩都是零。正则参数(canonical parameterization)

在OpenCV 中，实现高斯滤波的函数是cv2.GaussianBlur(),该函数的语法格式是：dst = cv2.GaussianBlur( src, ksize, sigmaX, sigmaY, borderType ) 参数解析：dst:返回值，表示进行高高斯滤波：高斯滤波指，用二维高斯函数生成的核进行滤波，而这样生成的核也叫高斯核。这里把G(x)=1(2π)σexp⁡(−x2+y22σ2)(这里把σ1=σ2=σ) 我们可以发现，要用二维高斯函数生成

高斯滤波器的主要参数是sigma和kernel_size。sigma表示高斯函数的标准差，kernel_size则表示滤波器的大小。之所以要使用高斯滤波器，是因为它在平滑图像时可以达sigmaX,sigmaY:此二参数决定着平滑程度，sigma越大，高斯滤波器的频带就越宽，平滑程度就越好。通过调节平滑程度参数sigma,可在图像特征过分模糊(过平滑)与噪声或细纹理所引起的