我們前面提到，可以使用加權(quán)平均操作來(lái)降低圖像的噪聲，其基本原理就是按照領(lǐng)域像素的重要程度來(lái)進(jìn)行加權(quán)。

那這個(gè)加權(quán)平均的濾波器是怎樣的呢？我們可以構(gòu)建如下的加權(quán)平均濾波器：

離中心點(diǎn)越近的權(quán)值比越遠(yuǎn)的權(quán)值要高，但這個(gè)濾波器的尺寸太小，通常很難看出區(qū)別，而且更重要的是權(quán)重大小的設(shè)置比較繁瑣。我們知道，高斯函數(shù)呈現(xiàn)出的特征就是中間高，兩邊低的鐘形。下圖是二維高斯函數(shù)的可視化圖形：

能不能利用高斯函數(shù)的這種性質(zhì)，自動(dòng)生成加權(quán)平均的濾波器呢？當(dāng)然是可以的。下圖是帶有噪聲的原始圖像。

我們直接調(diào)用opencv中的GaussianBlur()函數(shù)。

import cv2 lena = cv2.imread("lena_Gauss.png", 0) Gauss_filter = cv2.GaussianBlur(lena, (7, 7), 10, 10) cv2.imshow("lena_Gauss_filter", Gauss_filter) cv2.waitKey()

代價(jià)當(dāng)然是圖像變模糊了，要不然咋叫高斯模糊，這里的sigma=10，sigma越大，圖像越模糊。需要注意的是，這里的高斯模糊與高斯噪聲完全是2回事。假設(shè)原圖像帶有sigma=10的高斯噪聲，這個(gè)高斯模糊濾波器的sigma=10，這是2個(gè)完全不同的sigma。

總結(jié)

以上是生活随笔為你收集整理的高斯模糊的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。