# GaussianBlur 高斯模糊 / 高斯滤波

最近需要做图像增强，用于去模糊方法中，因为原本的图像数据集就带有模糊，而避免与别人重复并且增强自己的方法，需要在原有的数据集上进行二次加模糊处理。

# 原理

首先，高斯滤波是对滤波器进行加权平均（能量 = 1），其权重分配按照距离中心点的距离决定，离中心越近，权值越大，即高斯分布（正态分布），公式如下（一维），

$f(x)=\frac{1}{\sqrt{2 \pi} \sigma} \exp \left(-\frac{(x - \mu)^{2}}{2 \sigma^{2}}\right)$

其中，x-μ 看作是距离，因为是到中心像素的距离，因此，μ=0.

因此，可以改变的量值只有 sigma，二维情况对应 sigma_x 和 sigma_y，这是对于分布而言。对于滤波器而言，kernel_size 也是可以改变的量。

# 实现

这里可以自己去定义，并且实现高斯滤波，以及卷积处理的过程（以前我是这么干的）。

现在，可以通过一些专门的数据增强库进行直接调用实现，例如，opencv 里的 cv2.GaussianBlur，或者 Albumentations 库里的 albumentations.GaussianBlur 等。方法有很多，万变不离其宗。

这里我采用的是后一者库，

transform = albu.Compose([
    albu.GaussianBlur(blur_limit=21, p=1)  
])

trans_img = transform(image=img)['image']

包括其参数含义：

# 高斯模糊

"""
Blur the input image using a Gaussian filter with a random kernel size.
    Args:
        blur_limit (int, (int, int)): maximum Gaussian kernel size for blurring the input image.
            Must be zero or odd and in range [0, inf). If set to 0 it will be computed from sigma
            as `round(sigma * (3 if img.dtype == np.uint8 else 4) * 2 + 1) + 1`.
            If set single value `blur_limit` will be in range (0, blur_limit).
            Default: (3, 7).
        sigma_limit (float, (float, float)): Gaussian kernel standard deviation. Must be greater in range [0, inf).
            If set single value `sigma_limit` will be in range (0, sigma_limit).
            If set to 0 sigma will be computed as `sigma = 0.3*((ksize-1)*0.5 - 1) + 0.8`. Default: 0.
        p (float): probability of applying the transform. Default: 0.5.
"""

"""
    blur_limit: 选取kernel_size范围，如果设置为0，则会根据公式计算 `round(sigma * (3 if img.dtype == np.uint8 else 4) * 2 + 1) + 1`
                默认是(3, 7)
    sigma_limit:选取高斯核的均方差，如果设置为0，则会根据公式计算 `sigma = 0.3*((ksize-1)*0.5 - 1) + 0.8`
                并且sigma跟kernel_size一样，都是范围性随机的

"""