超级会员免费看
本文介绍了高斯滤波在图像处理中的作用，它是均值滤波的升级版，利用高斯分布权重对图像像素进行加权求和，有效去除高斯噪声。高斯滤波器的权重不再均匀，而是遵循二维高斯分布，对于滤波效果有显著提升。理解滤波原理对于深入学习深度学习和计算机视觉至关重要。
这一节在上一节均值滤波的基础上，再进阶一下，了解一下什么是高斯滤波。
首先，如上一节所说，均值滤波是利用一个窗口在图片上滑动，每次都计算窗口内能看到的像素的平均值，然后将平均值作为滤波的输出，从而可以起到平滑图像、去噪点的作用。
有没有发现，此时并没有特别说明这个窗口是什么，以及窗口是否带有参数。
在介绍高斯滤波之前，进一步说明一下均值滤波的这个窗口。
上图是均值滤波示意图，中间一个 3x3的正方形即为均值滤波的窗口。此时，我们可以将均值滤波的窗口看做是有参数的窗口，只不过，在均值滤波算法中，窗口所带的参数都是1。
为什么都是 1 呢？因为只有 1 才能完成求取均值的操作：原始图像每个像素值乘以 1，然后求和之后除以窗口大小（9）。
这一步骤很像是为
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
