（）高斯理论简介
（）
（）代码实现
四 使用高斯滤波器进行图像的平滑
（）高斯简介
何凯明 matlab 实现
http://www.ruanyifeng.com/blog/2012/11/gaussian_blur.html 阮一峰
中文百科独特解释
有历程
实现opencv
工业级应用
高斯模糊小结
生成高斯核
/*************************************************************************** \函数名称：* MakeGauss()** \输入参数:* double sigma - 高斯函数的标准差* double **pdKernel - 指向高斯数据数组的指针* int *pnWindowSize - 数据的长度** \返回值:* 无** \说明:* 这个函数可以生成一个一维的高斯函数的数字数据，理论上高斯数据的长度应* 该是无限长的，但是为了计算的简单和速度，实际的高斯数据只能是有限长的* pnWindowSize就是数据长度* **************************************************************************/void MakeGauss(double sigma, double **pdKernel, int *pnWindowSize){ // 循环控制变量 int i ; // 数组的中心点 int nCenter;
// 数组的某一点到中心点的距离 double dDis ;
double PI = 3.14159; // 中间变量 double dValue; double dSum ; dSum = 0 ; // 数组长度，根据概率论的知识，选取[-3*sigma, 3*sigma]以内的数据。 // 这些数据会覆盖绝大部分的滤波系数 *pnWindowSize = 1 + 2 * ceil(3 * sigma); // 中心 nCenter = (*pnWindowSize) / 2; // 分配内存 *pdKernel = new double[*pnWindowSize] ; for(i=0; i< (*pnWindowSize); i++) { dDis = (double)(i - nCenter); dValue = exp(-(1/2)*dDis*dDis/(sigma*sigma)) / (sqrt(2 * PI) * sigma ); (*pdKernel)[i] = dValue ; dSum += dValue; } // 归一化 for(i=0; i<(*pnWindowSize) ; i++) { (*pdKernel)[i] /= dSum; }}
高斯滤波
/*************************************************************************** \函数名称：* GaussianSmooth()** \输入参数:* unsigned char * pUnchImg - 指向图象数据的指针* int nWidth - 图象数据宽度* int nHeight - 图象数据高度* double dSigma - 高斯函数的标准差* unsigned char * pUnchSmthdImg - 指向经过平滑之后的图象数据** \返回值:* 无** \说明:* 为了抑止噪声，采用高斯滤波对图象进行滤波，滤波先对x方向进行，然后对* y方向进行。* **************************************************************************/void GaussianSmooth(unsigned char *pUnchImg, int nWidth, int nHeight, double sigma, unsigned char * pUnchSmthdImg){ // 循环控制变量 int y; int x; int i; // 高斯滤波器的数组长度 int nWindowSize; // 窗口长度的1/2 int nHalfLen; // 一维高斯数据滤波器 double *pdKernel ; // 高斯系数与图象数据的点乘 double dDotMul ; // 高斯滤波系数的总和 double dWeightSum ; // 中间变量 double * pdTmp ; // 分配内存 pdTmp = new double[nWidth*nHeight]; // 产生一维高斯数据滤波器 // MakeGauss(sigma, &dKernel, &nWindowSize); MakeGauss(sigma, &pdKernel, &nWindowSize) ; // MakeGauss返回窗口的长度，利用此变量计算窗口的半长 nHalfLen = nWindowSize / 2; // x方向进行滤波 for(y=0; y<nHeight; y++) { for(x=0; x<nWidth; x++) { dDotMul = 0; dWeightSum = 0; for(i=(-nHalfLen); i<=nHalfLen; i++) { // 判断是否在图象内部 if( (i+x) >= 0 && (i+x) < nWidth ) { dDotMul += (double)pUnchImg[y*nWidth + (i+x)] * pdKernel[nHalfLen+i]; dWeightSum += pdKernel[nHalfLen+i]; } } pdTmp[y*nWidth + x] = dDotMul/dWeightSum ; } } // y方向进行滤波 for(x=0; x<nWidth; x++) { for(y=0; y<nHeight; y++) { dDotMul = 0; dWeightSum = 0; for(i=(-nHalfLen); i<=nHalfLen; i++) { // 判断是否在图象内部 if( (i+y) >= 0 && (i+y) < nHeight ) { dDotMul += (double)pdTmp[(y+i)*nWidth + x] * pdKernel[nHalfLen+i]; dWeightSum += pdKernel[nHalfLen+i]; } } pUnchSmthdImg[y*nWidth + x] = (unsigned char)(int)dDotMul/dWeightSum ; } }
// 释放内存 delete []pdKernel; pdKernel = NULL ; delete []pdTmp; pdTmp = NULL;}
纯c实现
void gaussianFilter(uchar* data, int width, int height) |
02 | { |
03 | int i, j, index, sum; |
04 | int templates[9] = { 1, 2, 1, |
05 | 2, 4, 2, |
06 | 1, 2, 1 }; |
07 | sum = height * width * sizeof(uchar); |
08 | uchar *tmpdata = (uchar*)malloc(sum); |
09 | memcpy((char*)tmpdata,(char*)data, sum); |
10 | for(i = 1;i < height - 1;i++) |
11 | { |
12 | for(j = 1;j < width - 1;j++) |
13 | { |
14 | index = sum = 0; |
15 | for(int m = i - 1;m < i + 2;m++) |
16 | { |
17 | for(int n = j - 1; n < j + 2;n++) |
18 | { |
19 | sum += |
20 | tmpdata[m * width + n] * |
21 | templates[index++]; |
22 | } |
23 | } |
24 | data[i * width + j] = sum / 16; |
25 | } |
26 | } |
27 | free(tmpdata); |
28 | } |
一个模板
//**********************************************************************
//模板操作//图像信息头//图像数据//模板大小 以0开始//模板中心元素 以0开始//模板数据//模板系数//**********************************************************************BOOL ImgTemplate(BITMAPINFO* pbmpinfo,BYTE* pbmpdata,CSize TemplateSize,CSize TemplateCertel ,int *template_box,float coef){ LONG imagewidth=pbmpinfo->bmiHeader.biWidth; LONG imageheigth=pbmpinfo->bmiHeader.biHeight; LONG i=0,j=0,k=0,heigth=0,width=0; //data is not null if (pbmpdata == NULL) { return FALSE; } //image size if (imageheigth <= TemplateSize.cy || imagewidth <= TemplateSize.cx) { return FALSE; } if (TemplateCertel.cx < 0 || TemplateCertel.cy < 0 || TemplateCertel.cx > TemplateSize.cx || TemplateCertel.cy > TemplateSize.cy) { return FALSE; } //color must be gray if (pbmpinfo->bmiHeader.biBitCount != 8) { AfxMessageBox("只对灰度图像进行操作!"); return FALSE; } //image size LONG Linebyte =( pbmpinfo->bmiHeader.biBitCount * imagewidth +31)/32*4; LONG ImageSize=Linebyte * imageheigth; //分配空间 BYTE *pNewbmpdata=(BYTE*)malloc(ImageSize); //copy data if (pNewbmpdata == NULL) { return FALSE; } memcpy(pNewbmpdata,pbmpdata,ImageSize); BYTE *psrc=NULL; BYTE *pdest=NULL; LONG result=0; for (heigth = TemplateCertel.cy ; heigth < imageheigth - TemplateSize.cy + TemplateCertel.cy + 1 ;heigth++ ) { for ( width = TemplateCertel.cx ; width < imagewidth - TemplateSize.cx + TemplateCertel.cx + 1 ; width++) { psrc = (unsigned char *)pbmpdata+(ImageSize-Linebyte- heigth*Linebyte)+width; pdest = (unsigned char *)pNewbmpdata+(ImageSize-Linebyte- heigth*Linebyte)+width; j=0; result=0; for ( i = - TemplateCertel.cy ; i < TemplateSize.cy - TemplateCertel.cy ;i++) { for (k = - TemplateCertel.cx ; k < TemplateSize.cx -TemplateCertel.cy ;k++) { result += (LONG)(*(psrc + i * Linebyte + k)) * template_box[j++]; } } result = (LONG)(result * coef); if (result>255) { result=255; } if (result<0) { result=0; } *pdest=(unsigned char)result; } } memcpy(pbmpdata,pNewbmpdata,ImageSize); free(pNewbmpdata); return TRUE;}
对美女图像的缩小 图像处理之高斯金字塔java
滤波器设计，包括相关高斯建模，跟踪！
基于dm6437的 canny 边缘检测
高斯专利
一种尺度自适应调整的高斯滤波器设计方法
高斯函数计算中sigma的确定！！！
高斯二维转一维
c++实现
opencv 实现
matlab 实现
高斯卷积4种实现方法
高斯滤波游戏中的应用魔兽
美女图片3d 效果
pengl
高斯简介