影像處理與濾波

高斯模糊

高斯模糊以「用鄰域的加權平均取代每個像素」來平滑影像,而權重遵循鐘形(高斯)曲線:鄰居越近,分量越重。不同於平坦的平均,柔和的鐘形緩緩衰減,因此模糊看起來自然、沒有生硬的瑕疵。它是典型的低通濾波器:讓緩慢平滑的變化通過,同時衰減細節與高頻雜訊。

二維核為 G(x,y) = (1/(2*pi*sigma^2)) * exp(-(x^2 + y^2)/(2*sigma^2)),是一座以該像素為中心的山丘,其唯一參數 sigma(標準差)決定模糊半徑:sigma 小只觸及最近的鄰居,sigma 大則延伸到遠處、抹除更多。實務上你會把無限延伸的鐘形截斷成約 6*sigma + 1 個像素的有限視窗(涵蓋大約正負 3 個 sigma)。此核可分離成水平與垂直的一維高斯,且為等向性(旋轉對稱),因此各方向模糊相同且執行快速。

有兩個更深的事實使高斯與眾不同。它的傅立葉轉換仍是高斯,因此它平滑地衰減高頻、不產生振鈴或過衝,這與方框濾波器不同。而由中央極限定理,用幾乎任何小核反覆卷積都會趨近高斯,這正是反覆方框模糊能廉價近似它的原因。高斯也是尺度空間(scale space)的基礎:以遞增的 sigma 模糊會生成一族越來越粗的影像,撐起了 SIFT、高斯拉普拉斯(Laplacian-of-Gaussian)與高斯影像金字塔。

在執行 Canny 邊緣偵測之前,會先套用 sigma=1.4 的高斯(約 9x9 核),使隨機像素雜訊不會偽裝成數百條微小的假邊緣,這個模糊設定了你所關心邊緣的尺度。

陷阱:高斯會把雜訊與邊緣一視同仁地模糊,它沒有「物件邊界在哪裡」的概念。若你必須在不熔化邊緣的前提下降噪,請改用保邊濾波器(雙邊、引導、非局部平均)。

又称
Gaussian smoothingGaussian low-pass filter