本文记录 Python 中二维高斯核的生成方法。

生成思路 {#生成思路}

• 使用 cv2.getGaussianKernel(ksize, sigma[, ktype]) 函数
• 该函数用于生成一维高斯核
• 生成一维高斯核后乘以自己的转置得到二维高斯核

核心函数 {#核心函数}

• cv2.getGaussianKernel(ksize, sigma[, ktype]) ，函数生成一维高斯核

• 官方函数文档

• 参数说明

| 参数 | 描述 | 限制 | |-------|--------------------------------------------------------------------------------------------------|-----------------------------| | ksize | 核尺寸（文档中要求奇数，使用时可以是偶数） | 正整数 | | sigma | 高斯函数的标准差 | 正数 | | ktype | 滤波器系数的类型，可以是 cv2.CV_32f 或 cv2.CV_64f，配置参数后生成数据会分别表示为 float32 和 float64类型，默认为cv2.CV_64f | cv2.CV_32f 或 cv2.CV_64f |

• 公式：
  $$
  \mathrm{G}_{\mathrm{i}}=\alpha * e^{-(\mathrm{i}-(\mathrm{ksize}-1) / 2)^{2} /(2 * \mathrm{sigma})^{2}}
  $$

生成方法 {#生成方法}

• 生成一维高斯核

• 计算得到二维高斯核

• 如果需要将其归一化到 0 - 1，可以使用 mtutils 中的 min_max_normalize 函数：

参考资料 {#参考资料}

• https://docs.opencv.org/3.0-beta/modules/imgproc/doc/filtering.html?highlight=getgaussiankernel#Mat getGaussianKernel(int ksize, double sigma, int ktype)
• https://blog.csdn.net/qq_16013649/article/details/78784791
• https://blog.csdn.net/weixin_41563746/article/details/114199025

文章链接：
https://www.zywvvd.com/notes/coding/python/2d-gaussian-kernel/2d-gaussian-kernel/