OpenCV学习第20章高斯滤波Gaussian

高斯滤波属于一种线性平滑滤波方式，其在消除高斯噪声方面表现出色。在官方文档中，该滤波器被描述为“Probably the most useful filter”，同时文档也指出高斯滤波并非效率最高的算法。根据官方解释，高斯滤波的实现过程是将输入数组中的每个点与给定的高斯模板进行卷积运算，最终将所有计算结果组合成新的输出数组。通俗来说，这一过程相当于对整幅图像进行加权平均处理，其中每个像素点的值由其自身及周围邻域像素值经过加权计算后得出。具体操作上，通过一个模板（或称为卷积核、掩模）逐个扫描图像中的像素点，并以模板所确定区域内像素的加权平均灰度值替换中心位置的原始像素值。

在图像处理领域，高斯滤波通常存在两种实现方法：一种是采用离散窗口进行滑动卷积操作；另一种则是借助傅里叶变换完成。实践中最常见的是第一种滑窗方式，只有当离散窗口尺寸非常大且计算量显著增加时才会考虑使用傅里叶变换的方法。

在查阅相关资料时，可能会遇到“高斯模糊”与“高斯滤波”两种表述方式。实际上两者存在一定差异。我们知道滤波器按照特性可分为低通、高通、带通等多种类型，而“高斯模糊”与“高斯滤波”的区分正是基于所使用的是低通还是高通滤波器。例如低通滤波器允许能量较低的像素通过，并对能量较高的部分实施加权平均处理，从而降低其数值至较低水平。由于图像中的高频成分通常代表细节信息，在经过低通处理后整体图像会变得模糊，这种现