Opencv 均值滤波和高斯滤波在结果上的差异

高斯平滑使用西格玛和窗口大小。并对图像进行模糊处理，减少图像中的噪声。另一方面，均值滤波器也会模糊图像并去除噪声结果的基本区别是什么？

高斯滤波器将像素加权为围绕中心像素的钟形曲线。这意味着像素越远，权重越低。
均值滤波器，也称为方块滤波器，只需平均所有相邻像素的像素值。这相当于为中心周围的所有像素赋予相等的权重，而不考虑与中心像素的距离

盒形滤波器的计算速度比高斯模糊更快。

均值滤波器（矩形核）是减少空间域（图像空间）随机噪声的最佳方法。然而，平均滤波器是频域中最差的滤波器，几乎不能将一个频带与另一个频带分开。高斯滤波器在频域有较好的性能

平均滤波器是低通滤波器中效率最低的。理想情况下，它应该停止高频，只通过低频。实际上，它通过许多高频，并停止一些低频（衰减缓慢和阻带衰减差）

这在实践中意味着什么？平均滤波器是快速的，如果您想从图像中去除噪声，它可能是最好的解决方案。如果要分离图像中存在的频率，这是一个糟糕的解决方案

有趣的是，您可以使用均值滤波器实现高斯滤波器。如果对图像应用两次均值滤波器，则得到的结果与应用三角核滤波器相同。如果对图像应用平均滤波器4次，则得到与应用高斯核滤波器相同的结果

高斯滤波器使用卷积，速度非常慢。如果您使用递归公式实现均值过滤器，它将像闪电一样运行。多次应用均值滤波器可以将高斯实现速度提高1000倍

---

回答你的问题。均值滤波和高斯滤波在去除图像中的噪声时给出了相似的结果。高斯滤波器在分离频率方面效果更好。此任务的最佳过滤器是窗口Sinc过滤器。

结果的基本区别是什么？近像素对平滑像素的影响比远像素大。

---

但是在均值滤波中，所有属于核的像素都被赋予相等的权重

本质上：高斯=好，均值=差（但更快）。这并不能回答这个问题。他要求的是结果上的差异，而不是执行上的差异。