首頁 > 產(chǎn)品 > 知識 > 高斯濾波，高斯濾波的介紹

高斯濾波，高斯濾波的介紹

來源：整理時間：2023-08-29 18:06:30 編輯：智能門戶手機版

本文目錄一覽

1，高斯濾波的介紹
2，如何將RSSI值進行高斯濾波
3，高斯濾波的兩種方式
4，對圖像直方圖進行高斯濾波怎么實現(xiàn)
5，高斯的濾波函數(shù)
6，高斯濾波和均值濾波的區(qū)別 opencv

1，高斯濾波的介紹

高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過程。通俗的講，高斯濾波就是對整幅圖像進行加權(quán)平均的過程，每一個像素點的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點的值。

高斯濾波的介紹

2，如何將RSSI值進行高斯濾波

假設(shè) 為一個正態(tài)分布模型。在對信號強度計算時，設(shè)它是具有均值為u 和標(biāo)準(zhǔn)差為的高斯分布。對于，測量結(jié)果的密度函數(shù)如式(6)：式(6) 其中 , ，為第個信號強度值, 為測量數(shù)。越大，高斯濾波平滑的程度就越好。高概率發(fā)生區(qū)選擇概率大于0.6(經(jīng)驗值)的范圍： , ，將此范圍內(nèi)的RSSI值全部取出，再求幾何平均值，即可得到節(jié)點的RSSI值。

如何將RSSI值進行高斯濾波

3，高斯濾波的兩種方式

在圖像處理中，高斯濾波一般有兩種實現(xiàn)方式，一是用離散化窗口滑窗卷積，另一種通過傅里葉變換。最常見的就是第一種滑窗實現(xiàn)，只有當(dāng)離散化的窗口非常大，用滑窗計算量非常大（即使用可分離濾波器的實現(xiàn)）的情況下，可能會考慮基于傅里葉變化的實現(xiàn)方法。

高斯濾波的兩種方式

4，對圖像直方圖進行高斯濾波怎么實現(xiàn)

對圖像直方圖進行高斯濾波怎么實現(xiàn)高斯濾波實質(zhì)上是一種信號的濾波器，其用途是信號的平滑處理，人們知道數(shù)字圖像用于后期應(yīng)用，其噪聲是最大的問題，由于誤差會累計傳遞等原因，很多圖像處理教材會在很早的時候介紹Gauss濾波器，用于得到信噪比SNR較高的圖像（反應(yīng)真實信號）。與此相關(guān)的有Gauss-Laplace變換，其實就是為了得到較好的圖像邊緣，先對圖像做Gauss平滑濾波，剔除噪聲，然后求二階導(dǎo)矢，用二階導(dǎo)的過零點確定邊緣，在計算時也是頻域乘積=>空域卷積。濾波器就是建立的一個數(shù)學(xué)模型，通過這個模型來將圖像數(shù)據(jù)進行能量轉(zhuǎn)化，能量低的就排除掉，噪聲就是屬于低能量部分。若使用理想濾波器，會在圖像中產(chǎn)生振鈴現(xiàn)象。采用高斯濾波器的話，系統(tǒng)函數(shù)是平滑的，避免了振鈴現(xiàn)象。

加噪聲是為了前后對比，體現(xiàn)出濾波去噪的效果，只存在于demo里。實際使用的時候自然不會人工加噪。

5，高斯的濾波函數(shù)

高斯濾波　　高斯濾波實質(zhì)上是一種信號的濾波器，其用途是信號的平滑處理，我們知道數(shù)字圖像用于后期應(yīng)用，其噪聲是最大的問題，由于誤差會累計傳遞等原因，很多圖像處理教材會在很早的時候介紹Gauss濾波器，用于得到信噪比SNR較高的圖像（反應(yīng)真實信號）。于此相關(guān)的有Gauss-Lapplace變換，其實就是為了得到較好的圖像邊緣，先對圖像做Gauss平滑濾波，剔除噪聲，然后求二階導(dǎo)矢，用二階導(dǎo)的過零點確定邊緣，在計算時也是頻域乘積=>空域卷積。　　濾波器就是建立的一個數(shù)學(xué)模型，通過這個模型來將圖像數(shù)據(jù)進行能量轉(zhuǎn)化，能量低的就排除掉，噪聲就是屬于低能量部分　　其實編程運算的話就是一個模板運算，拿圖像的八連通區(qū)域來說，中間點的像素值就等于八連通區(qū)的像素值的均值，這樣達(dá)到平滑的效果(www.openbo.com) 　　若使用理想濾波器，會在圖像中產(chǎn)生振鈴現(xiàn)象。采用高斯濾波器的話，系統(tǒng)函數(shù)是平滑的，避免了振鈴現(xiàn)象。

6，高斯濾波和均值濾波的區(qū)別 opencv

濾波實質(zhì)上就是對圖像進行卷積運算。而卷積的運算可以分為反轉(zhuǎn)、平移，相乘，求和。在圖像處理中，圖像是一個大矩陣，卷積模板是一個小矩陣。按照上述過程，就是先把小矩陣反轉(zhuǎn)，然后平移到某一位置，小矩陣的每一個小格對應(yīng)大矩陣?yán)锩娴囊粋€小格，然后把對應(yīng)小格里面的數(shù)相乘，把所有對應(yīng)小格相乘的結(jié)果相加求和，得出的最后結(jié)果賦值給小矩陣中央小格對應(yīng)的圖像中小格的值，替換原來的值。就是上述說到的，反轉(zhuǎn)、平移、相乘、求和。一般圖像卷積就是從第一個像素（小格）開始遍歷到最后一個像素（小格）。之后的平滑、模糊、銳化、邊緣提取等本質(zhì)上都是卷積，只是模板不同。了解以上之后，就很好理解了。均值濾波就是對模板對應(yīng)的圖像像素求均值然后賦值給模板中心對應(yīng)的那個像素值。高斯濾波模板是二維高斯函數(shù)的離散化表示，高斯函數(shù)就是我們熟悉的正態(tài)分布。所以可以知道模板是中心值大，而越往外越小，高斯模板就是按照高斯函數(shù)遞減的模板。如果把模板小矩陣的每一個元素視為一個權(quán)值的話，均值濾波就是所有元素權(quán)值相等，高斯濾波就是中心點權(quán)值最大，越往外所占越小。比平均濾波的好處是可以突出重點。可以參考淺墨大神的這篇博文，里面有更細(xì)致的介紹：http://blog.csdn.net/pi9nc/article/details/22977297