本文主要是介绍使用递归高斯滤波器实现快速高斯模糊，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
转自：使用递归高斯滤波器实现快速高斯模糊
高斯窗常用于对图像进行模糊或低通滤噪，但是随着高斯半径的增加，时间消耗会逐级增加
如高斯半径为N时，计算每个输出采样点需要计算的乘法次数为（2N+1）*模糊方向数，加法次数为2N*模糊方向数，这种情况下，当N=100时，甚至更大时，计算量是非常大的，即使进行SIMD指令集优化，在很多情况下仍然不能满足要求，比如N=100时，优化后的汇编代码的执行时间也通常在几百毫秒以上，远不能达到实时处理要求
上述的方法是使用高斯窗口对准的原理进行实现的，属于FIR型滤波，因为对于半径大于N的像素点，其权重取为0，即对当前点无贡献，然而在实际中我们知道，即使在3倍标准差外的像素也应该对中心点有贡献的，虽然很小
基于高斯滤波器的普通应用，对它的性能优化便变得很急迫，因而IIR型的高斯滤波器被研究了出来，以及被用于对边缘检测进行低能处理的IIR的高斯微分滤波器也同时被研究了出来，即前一个输出采样点对后一个输出采样点有贡献，公式如下
第一遍，从左到右，或从上到下
w(n) = a0*x(n) + a1*x(n-1) - b1*w(n-1) - b2*w(n-2)
第二遍，从右到右，或从下到上
y(n) = a2*x(n) + a3*x(n+1) - b1*y(n+1) - b2*y(n+2)
其中，a0，a1，a2，a3，b1，b2为滤波系数
最后将两遍的输出相加之各便是最终结果
从上述两个公式可以看出，每个输出采样点的计算与高斯半径是没有关系的，而6个滤波系数是高斯半径的函数，只被计算一次，这样，对高斯半径为50、100、300等的处理，每个输出采样点的计算量是相同的，都是乘法次数为8*模糊方向数，加法次数为7*模糊方向数，计算量大幅下降，在很多时候的图像处理能满足性能需求，并且质量不会下降，甚至CPU也能达到实时处理要求
上述的方法通常称为并行，这是因为两遍是分开计算的，最后将两遍结果相加。
另一种方向称为串行，即是将第一遍的w(n)作为第二遍的输入
参考文献：
（1）IIR Gaussian Blur Filter Implementation using Intel® Advanced Vector Extensions
（2）Recursively implementing the Gaussian and its derivatives
（3）Recursive Gaussian derivative Filters
（4）Recursive Gaussian Filters
（5）Recursivity and PDE’s in Image Processing
这篇关于使用递归高斯滤波器实现快速高斯模糊的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
