传统经典CV算法_高斯核函数介绍
一维高斯核函数公式：
二维高斯函数公式：
高斯核函数的优点：
- 高斯卷积核是实现尺度变换的唯一变换核，并且是唯一的线性核。
- 高斯函数具有旋转对称性，用其对图像进行平滑运算时在各个方向上的平滑程度相同，因此后续边缘检测等操作中不会偏袒某一方向上的图像的细节。
- 随着离高斯模版中心点越远，权值越小，这使得高斯滤波器比起普通的平滑滤波器能更好地保留图像细节。如果距离越远的点权值越重的话，那图像就会失真。
- 高斯函数的傅立叶变换还是它本身，于是其频谱图是一个单瓣，既能保留低频分量，又能保留高频分量，因此能比较好地保留图像的低频和高频信息，并在保留图像信息和滤出噪声之间找到一个平衡点。
- 高斯函数的参数可以非常容易地调节高斯函数对高低频信息的保留程度。参数越大，高斯函数的图谱就越低矮平缓，表现在频谱上就是频带越宽，平滑程度高；反之，参数越小，平滑程度越低。而且二维高斯函数的取值半径（即卷积核大小）越大，平滑程度越高。如下图所示：