企业🤖AI智能体构建引擎,智能编排和调试,一键部署,支持私有化部署方案 广告
所谓"模糊",可以理解成每一个像素都取周边像素的平均值。 ![](https://box.kancloud.cn/2015-08-08_55c5b3addb468.png) 上图中,2是中间点,周边点都是1。 ![](https://box.kancloud.cn/2015-08-08_55c5b3b4d0310.png) "中间点"取"周围点"的平均值,就会变成1。在数值上,这是一种"平滑化"。在图形上,就相当于产生"模糊"效果,"中间点"失去细节。 ![](https://box.kancloud.cn/2015-08-08_55c5b3b906152.jpg) 显然,计算平均值时,取值范围越大,"模糊效果"越强烈。 ![](https://box.kancloud.cn/2015-08-08_55c5b3d0b51d5.jpg) 上面分别是原图、模糊半径3像素、模糊半径10像素的效果。模糊半径越大,图像就越模糊。从数值角度看,就是数值越平滑。 接下来的问题就是,既然每个点都要取周边像素的平均值,那么应该如何分配权重呢? 如果使用简单平均,显然不是很合理,因为图像都是连续的,越靠近的点关系越密切,越远离的点关系越疏远。因此,加权平均更合理,距离越近的点权重越大,距离越远的点权重越小。