《OpenCV轻松入门：面向Python》读书笔记
作者：李立宗
出版社：电子工业出版社
出版时间：2019-05

第7章 图像平滑处理

7.3 高斯滤波

  在进行均值滤波和方框滤波时，其邻域内每个像素的权重是相等的。在高斯滤波中，会将中心点的权重值加大，远离中心点的权重值减小，在此基础上计算邻域内各个像素值不同权重的和。

7.3.1 基本原理

  在高斯滤波中，卷积核中的值不再都是1。例如，一个3×3的卷积核可能如图7-20所示：

图7-20 高斯滤波卷积核示例

在图7-21中，针对最左侧的图像内第4行第3列位置上像素值为226的像素点进行高斯卷积，其运算规则为将该点邻域内的像素点按照不同的权重计算和。

图7-21 高斯卷积示例

在实际计算时，使用的卷积核如图7-22中的卷积核所示。

图7-22 实际计算中的卷积核
使用图7-22中的卷积核，针对第4行第3列位置上的像素值为226的像素点进行高斯滤波处理，计算方式为：

在实际使用中，高斯滤波使用的可能是不同大小的卷积核。例如，图7-23中分别是3×3、5×5、7×7大小的卷积核。在高斯滤波中，核的宽度和高度可以不相同，但是它们都必须是奇数。

• 每一种尺寸的卷积核都可以有多种不同形式的权重比例。
• 在不同的资料中，卷积核有多种不同的表示方式。它们可能写在一个表格内，也可能写在一个矩阵内。
• 在实际计算中，卷积核是归一化处理的，这种处理可以表示小数形式的卷积核，也可以表示为分数形式。严格来讲，使用没有进行归一化处理的卷积核进行滤波，得到的结果往往是错误的。

7.3.2 函数语法

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)

式中：

• dst是返回值，表示进行高斯滤波后得到的处理结果。
• src是需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F或者CV_64F中的一种。
• ksize是滤波核的大小。滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度。需要注意，滤波核的值必须是奇数。
• sigmaX是卷积核在水平方向上（X轴方向）的标准差，其控制的是权重比例。

7.3.3 程序示例

【例7.6】对噪声图像进行高斯滤波，显示滤波的结果。

import cv2
o=cv2.imread("image\\lenaNoise.png")
r=cv2.GaussianBlur(o,(5,5),0,0)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

7.3.4 结果

图7-26 高斯滤波示例