svg feGaussianBlur:标准偏差和尺寸之间的相关性
当我在Inkscape中将一个对象模糊10%时,它得到的是一个带有高斯模糊的过滤器,其标准偏差为10%*size/2。svg feGaussianBlur:标准偏差和尺寸之间的相关性,svg,blur,inkscape,Svg,Blur,Inkscape,当我在Inkscape中将一个对象模糊10%时,它得到的是一个带有高斯模糊的过滤器,其标准偏差为10%*size/2。 然而,过滤器的大小是124%(实际上是那么大,Inkscape并不是为了安全起见才添加一点) 这个号码是从哪里来的?我的猜测是100%+2.4*(2*stdDeviation/size),但这2.4是从哪里来的呢 此过滤器原语对输入图像执行高斯模糊。 高斯模糊核是归一化卷积的近似值: G(x,y)=H(x)I(y) 哪里 H(x)=exp(-x2/(2s2))/sqrt(2*p
然而,过滤器的大小是124%(实际上是那么大,Inkscape并不是为了安全起见才添加一点) 这个号码是从哪里来的?我的猜测是
100%+2.4*(2*stdDeviation/size)
,但这2.4是从哪里来的呢
此过滤器原语对输入图像执行高斯模糊。
高斯模糊核是归一化卷积的近似值:G(x,y)=H(x)I(y) 哪里 H(x)=exp(-x2/(2s2))/sqrt(2*pis2) 和 I(y)=exp(-y2/(2t2))/sqrt(2pi*t2) 根据“标准偏差”的规定,s是x方向的标准偏差,“t”是y方向的标准偏差 “stdDiviation”的值可以是一个或两个数字。如果提供了两个数字,则第一个数字表示当前坐标系x轴上的标准偏差值,第二个值表示Y轴上的标准偏差。如果提供了一个数字,则该值同时用于x轴和Y轴 即使只为“stdDiviation”提供了一个值,也可以将其实现为可分离卷积 对于较大的“s”(s>=2.0)值,可以使用近似值:三个连续的框模糊构建分段二次卷积核,将高斯核近似到大约3%以内 设d=楼层(s*3*sqrt(2*pi)/4+0.5) 。。。如果d为奇数,则使用三个大小为“d”的框模糊,以输出像素为中心。 ... 如果d为偶数,则两个大小为“d”的框模糊(第一个框模糊集中在输出像素和左侧的像素边界上,第二个框模糊集中在输出像素和右侧的像素边界上)和一个大小为“d+1”的框模糊集中在输出像素上
Note: the approximation formula also applies correspondingly to 't'.*
因此2.4是3*sqrt(2*pi)/4+0.5的近似值≈ 2.37997,对吗?