Gaussian filter(CV_GAUSSIAN)，虽然它不是最快的，但是它是最有用的滤波器。高斯滤波用卷积核与输入图像的每个点进行卷积，将最终计算结果之和作为输出图像的像素值。
对于高斯模糊，前两个参数代表滤波器窗口的宽度和高度，可选择的第三个参数代表高斯卷积核的sigma值（是最大宽度的四分之一）。如果第三个参数未指定，系统将会根据窗口尺寸通过下面的方程自动确定高斯核的各个参数：
sigma.x=(n.x/2-1)*0.30+0.80, n.x=param1;
sigma.y=(n.y/2-1)*0.30+0.80, n.y=param2;
如果用户希望高斯核不对称，那么可以引入第四个参数。这样，第三个和第四个参数分别为水平方向和垂直方向的sigma值。
高斯滤波的opencv的实现还为几个常见的核提供更高的性能优化。具有标准sigma值的3*3,5*5，和7*7比其他核具有更优的性能。高斯模糊支持单个通道或者三个通道的8位或32位的浮点格式图像，可以进行in place方式操作。
void cvSmooth( const CvArr* src,
CvArr* dst,
int smoothtype=CV_GAUSSIAN,
int param1=3,
int param2=0,
double param3=0 ,
double param4=0);
代码：
#include <cv.h>
#include <highgui.h>
int main(int argc, char* argv[])
{
IplImage*input=cvLoadImage("f.jpg");
cvNamedWindow("yuantu",CV_WINDOW_AUTOSIZE);
cvShowImage("yuantu",input);
IplImage*out_a_img=cvCreateImage(cvGetSize(input),input->depth,input->nChannels);
assert(out_a_img!=NULL);
IplImage*out_b_img=cvCreateImage(cvGetSize(input),input->depth,input->nChannels);
assert(out_b_img!=NULL);
IplImage*out_c_img=cvCreateImage(cvGetSize(input),input->depth,input->nChannels);
assert(out_c_img!=NULL);
IplImage*out_d_img=cvCreateImage(cvGetSize(input),input->depth,input->nChannels);
assert(out_d_img!=NULL);
IplImage*out_e_img=cvCreateImage(cvGetSize(input),input->depth,input->nChannels);
assert(out_e_img!=NULL);
IplImage*out_f_img=cvCreateImage(cvGetSize(input),input->depth,input->nChannels);
assert(out_f_img!=NULL);
IplImage*out_g_img=cvCreateImage(cvGetSize(input),input->depth,input->nChannels);
assert(out_g_img!=NULL);
IplImage*out_h_img=cvCreateImage(cvGetSize(input),input->depth,input->nChannels);
assert(out_h_img!=NULL);
IplImage*out_g_h_img=cvCreateImage(cvGetSize(input),input->depth,input->nChannels);
assert(out_g_h_img!=NULL);
IplImage*out_m_img=cvCreateImage(cvGetSize(input),input->depth,input->nChannels);
assert(out_m_img!=NULL);
IplImage*out_n_img=cvCreateImage(cvGetSize(input),input->depth,input->nChannels);
assert(out_n_img!=NULL);
//a.param1=param2=9;param3=1,4,6会随着值的扩大,图像的模糊程度也扩大
cvSmooth(input,out_a_img,CV_GAUSSIAN,9,9,1);
cvSmooth(input,out_b_img,CV_GAUSSIAN,9,9,4);
cvSmooth(input,out_c_img,CV_GAUSSIAN,9,9,6);
//b.param1=param2=0;param3=1,4,6该情况比a情况的模糊程度更大
cvSmooth(input,out_d_img,CV_GAUSSIAN,0,0,1);
cvSmooth(input,out_e_img,CV_GAUSSIAN,0,0,4);
cvSmooth(input,out_f_img,CV_GAUSSIAN,0,0,6);
//c.param1=param2=0;param3=1;param4=9该情况下图像的模糊程度较高,比较刺目,上下模糊程度较高
cvSmooth(input,out_g_img,CV_GAUSSIAN,0,0,1,9);
//d.param1=param2=0;param3=9;param4=1左右模糊程度较高
cvSmooth(input,out_h_img,CV_GAUSSIAN,0,0,9,1);
//e.先用c再用d方法平滑.此处将四个参数全部设为0,会出现错误(和E的处理结果一样)
cvSmooth(out_g_img,out_g_h_img,CV_GAUSSIAN,0,0,9,1);
//第一次设param1=param2=0;param3=param4=9第二次param1=param2=0;param3=param4=0
cvSmooth(input,out_m_img,CV_GAUSSIAN,0,0,9,9);
cvSmooth(out_m_img,out_n_img,CV_GAUSSIAN);
cvNamedWindow("param1=param2=9;param3=1",CV_WINDOW_AUTOSIZE);
cvNamedWindow("param1=param2=9;param3=4",CV_WINDOW_AUTOSIZE);
cvNamedWindow("param1=param2=9;param3=6",CV_WINDOW_AUTOSIZE);
cvNamedWindow("param0=param2=0;param3=1",CV_WINDOW_AUTOSIZE);
cvNamedWindow("param0=param2=0;param3=4",CV_WINDOW_AUTOSIZE);
cvNamedWindow("param0=param2=0;param3=6",CV_WINDOW_AUTOSIZE);
cvNamedWindow("param1=param2=0;param3=1,param4=9",CV_WINDOW_AUTOSIZE);
cvNamedWindow("param1=param2=0;param3=9,param4=1",CV_WINDOW_AUTOSIZE);
cvNamedWindow("first param1=param2=0;param3=1,param4=9，then param1=param2=0;param3=9,param4=1",CV_WINDOW_AUTOSIZE);
cvNamedWindow("first param1=param2=0;param3=param4=9，then param1=param2=0;param3=param4=0",CV_WINDOW_AUTOSIZE);
cvShowImage("param1=param2=9;param3=1",out_a_img);
cvSaveImage("p_a991.jpg",out_a_img);
cvShowImage("param1=param2=9;param3=4",out_b_img);
cvSaveImage("p_a994.jpg",out_b_img);
cvShowImage("param1=param2=9;param3=6",out_c_img);
cvSaveImage("p_a996.jpg",out_c_img);
cvShowImage("param0=param2=0;param3=1",out_d_img);
cvSaveImage("p_b001.jpg",out_d_img);
cvShowImage("param0=param2=0;param3=4",out_e_img);
cvSaveImage("p_b004.jpg",out_e_img);
cvShowImage("param0=param2=0;param3=6",out_f_img);
cvSaveImage("p_b006.jpg",out_f_img);
cvShowImage("param1=param2=0;param3=1,param4=9",out_g_img);
cvSaveImage("p_c0019.jpg",out_g_img);
cvShowImage("param1=param2=0;param3=9,param4=1",out_h_img);
cvSaveImage("p_d1091.jpg",out_h_img);
cvShowImage("first param1=param2=0;param3=1,param4=9，then param1=param2=0;param3=9,param4=1",out_g_h_img);
cvSaveImage("p_e_c_d.jpg",out_g_h_img);
cvShowImage("first param1=param2=0;param3=param4=9，then param1=param2=0;param3=param4=0",out_n_img);
cvSaveImage("p_f.jpg",out_n_img);
cvWaitKey();
cvReleaseImage(&input);
cvReleaseImage(&out_a_img);
cvReleaseImage(&out_b_img);
cvReleaseImage(&out_c_img);
cvReleaseImage(&out_d_img);
cvReleaseImage(&out_e_img);
cvReleaseImage(&out_f_img);
cvReleaseImage(&out_g_img);
cvReleaseImage(&out_h_img);
cvReleaseImage(&out_g_h_img);
cvReleaseImage(&out_n_img);
cvDestroyAllWindows();
return 0;
}
效果如下：
输入原图：
输出结果：
a）param1=param2=9；param3=1,4,6（分别看下图）会随着值的扩大,图像的模糊程度也扩大。
b）param1=param2=0;param3=1,4,6（分别看下面），该情况比a情况的模糊程度更大
c）param1=param2=0;param3=1;param4=9该情况下图像的模糊程度较高,比较刺目,上下模糊程度较高
d）param1=param2=0;param3=9;param4=1左右模糊程度较高
e）先用c再用d方法平滑.此处将四个参数全部设为0,会出现错误(和E的处理结果一样）
f）第一次设param1=param2=0;param3=param4=9第二次param1=param2=0;param3=param4=0