说明
1、本质上是数据光滑技术，可用于一维、二维甚至多维空间。
2、数据被高斯模糊处理后，数据倾向于周边附近的其他数据，各数据相同。
在图像领域，各个位置的像素值使用“周边邻居像素点加权平均”重新赋值。对于每个像素点，由于计算时均以当前像素点为中心，所以均值μ=0。使用时有2个超参数需要设置：高斯核大小和高斯函数标准差σ。高斯核大小表示“影响当前点的邻域范围”，而标准差表示“邻域中的其他像素点对当前点的影响力”。
实例
defgaussian_kernel(self): kernel=np.zeros(shape=(self.kernel_size,self.kernel_size),dtype=np.float) radius=self.kernel_size//2 foryinrange(-radius,radius+1):#[-r,r] forxinrange(-radius,radius+1): #二维高斯函数 v=1.0/(2*np.pi*self.sigma**2)*np.exp(-1.0/(2*self.sigma**2)*(x**2+y**2)) kernel[y+radius,x+radius]=v#高斯函数的x和y值vs高斯核的下标值 kernel2=kernel/np.sum(kernel) returnkernel2
以上就是python中高斯模糊的介绍，希望对大家有所帮助。更多Python学习指路：Python基础教程