完整教程：C++高斯滤波GaussianBlur函数用法（附带源码）

一、函数背景与原理介绍

1.1 什么是高斯滤波（Gaussian Blur）

高斯滤波（Gaussian Filtering） 是一种常用的图像平滑方法，用于去除噪声、减少图像细节、突出主要结构。

---

1.2 高斯滤波的作用

功能	说明
去除高频噪声	平滑图像，抑制噪声点
降低细节复杂度	模糊细节，为边缘检测做预处理
提高鲁棒性	在边缘检测（如 Canny）前常使用
特征提取前预处理	保留低频信息，去除细小纹理

---

二、函数定义与语法结构

在 OpenCV（C++）中，高斯滤波函数定义如下：

void cv::GaussianBlur(
    InputArray src,       // 输入图像
    OutputArray dst,      // 输出图像
    Size ksize,           // 高斯核大小（奇数，如 Size(3,3)、Size(5,5)）
    double sigmaX,        // X方向标准差
    double sigmaY = 0,    // Y方向标准差（默认与sigmaX相同）
    int borderType = BORDER_DEFAULT // 边界处理方式
);

---

三、主要参数详细解释

参数名	类型	说明
src	InputArray	输入图像（8位或32位，单通道或三通道均可）
dst	OutputArray	输出图像，与输入大小相同
ksize	cv::Size	滤波核大小，必须为奇数（例如 3x3, 5x5）
sigmaX	double	X方向高斯分布标准差（控制模糊程度）
sigmaY	double	Y方向标准差（若为0，则等于 sigmaX）
borderType	int	边界扩展模式，常用：BORDER_DEFAULT、BORDER_REPLICATE、BORDER_REFLECT

---

四、使用示例与效果展示

/*******************************************************************************************
 * 文件名 : gaussian_blur_demo.cpp
 * 功能   : 演示 OpenCV 中 GaussianBlur 函数的使用方法
 * 编译   : g++ gaussian_blur_demo.cpp -o gaussian_blur_demo `pkg-config --cflags --libs opencv4`
 *******************************************************************************************/
#include 
#include 
using namespace cv;
using namespace std;
int main() {
    // 1. 读取原始图像
    Mat src = imread("test.jpg");
    if (src.empty()) {
        cerr << "图像加载失败！" << endl;
        return -1;
    }
    // 2. 创建输出图像
    Mat dst1, dst2, dst3;
    // 3. 不同参数下的高斯滤波
    GaussianBlur(src, dst1, Size(3, 3), 0, 0);
    GaussianBlur(src, dst2, Size(5, 5), 1.0);
    GaussianBlur(src, dst3, Size(9, 9), 2.5);
    // 4. 显示结果
    imshow("原图", src);
    imshow("高斯滤波 3x3", dst1);
    imshow("高斯滤波 5x5, σ=1.0", dst2);
    imshow("高斯滤波 9x9, σ=2.5", dst3);
    waitKey(0);
    return 0;
}

五、代码功能解读

代码段	功能说明
GaussianBlur(src, dst1, Size(3, 3), 0, 0);	使用默认标准差的3×3滤波核进行轻微模糊
GaussianBlur(src, dst2, Size(5, 5), 1.0);	明确指定σ=1.0，适度平滑
GaussianBlur(src, dst3, Size(9, 9), 2.5);	核大且σ大，图像更模糊
imshow()	显示不同滤波结果

---

六、核大小（ksize）与σ（sigma）的关系

若你不指定 σ，OpenCV 会自动根据核大小推算：

σ=0.3×((ksize−1)2−1)+0.8\sigma = 0.3 \times \left( \frac{(ksize-1)}{2} - 1 \right) + 0.8σ=0.3×(2(ksize−1)​−1)+0.8

核大小	自动σ近似值	模糊程度
3×3	≈ 0.8	轻微
5×5	≈ 1.2	适中
9×9	≈ 2.0	强模糊

---

七、与其他平滑方法对比

方法	OpenCV函数	特点
均值滤波	blur()	简单平均，边缘不保留
中值滤波	medianBlur()	去除椒盐噪声，保留边缘
高斯滤波	GaussianBlur()	平滑自然，边缘损失较少
双边滤波	bilateralFilter()	保留边缘同时平滑噪声，计算量大

---

八、常见问题与解决方案

❓1. 为什么图像边缘会变暗或模糊不均？
✅ 原因：边界扩展方式不合适。
解决：可改为 BORDER_REFLECT 或 BORDER_REPLICATE：

GaussianBlur(src, dst, Size(5,5), 1.0, 1.0, BORDER_REFLECT);

---

❓2. 结果图像灰度变暗？
✅ 原因：原图为单通道，显示时未进行归一化。
解决：确保输入类型正确或归一化：

normalize(dst, dst, 0, 255, NORM_MINMAX);

---

❓3. 滤波结果过于模糊？
✅ 原因：σ 或 核太大。
解决：减小 sigmaX 或 ksize，如：

GaussianBlur(src, dst, Size(3,3), 0.5);