高斯核函数python代码,高斯函数相加

　　在计算机视觉中，有时缩写为高斯函数。高斯函数有五个重要的性质，在早期的图像处理中特别有用。这些性质表明，高斯平滑滤波器在空域和频域都是非常有效的低通滤波器，在实际的图像处理中已经被工程师们有效地使用。高斯函数有五个非常重要的性质。它们是：

　　旋转对称意味着高斯平滑滤波器在随后的边缘检测中不会偏向任何方向。

　　这个性质很重要，因为边缘是图像的局部特征，所以如果平滑操作对远离算子中心的像素影响很大，那么图像就会被平滑操作扭曲。

　　3)高斯函数的傅里叶变换谱是单叶的。这个性质是高斯函数的傅里叶变换就是高斯函数本身这一事实的直接推论。图像往往被不需要的高频信号(噪声和细纹理)污染，而想要的图像特征如边缘既包含低频成分又包含高频成分。高斯傅里叶变换的单叶意味着平滑后的图像不会被不想要的高频信号污染，大部分想要的信号被留下。

　　)4)高斯滤波器的宽度)用一个参数来表示，和平滑的关系很简单。越大，高斯滤波器的频带越宽，平滑度越好。通过调整平滑度这个参数，我们可以在过于模糊的图像特征(过于平滑)和过多不必要的由噪声或精细纹理引起的突变之间进行权衡。

　　(5)分离高斯函数可以有效地实现大高斯滤波器。对二维高斯函数进行卷积可以分为两个阶段：首先对图像和一维高斯函数进行卷积，然后对方向与卷积结果垂直的同一个一维高斯函数进行卷积。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。