¿Qué es el desenfoque gaussiano?
El desenfoque gaussiano suaviza una imagen mediante su convolución con un núcleo cuyas ponderaciones siguen una distribución gaussiana. La escala del núcleo determina la amplitud con la que los píxeles vecinos influyen en cada píxel de salida.
Cómo funciona el desenfoque gaussiano
El suavizado gaussiano reemplaza cada píxel por una mezcla de su vecindad ponderada por la distancia, de modo que las muestras cercanas tienen más influencia que las lejanas. Como una gaussiana bidimensional es separable, las implementaciones pueden realizar pasadas horizontales y verticales en lugar de una única convolución cuadrada costosa. La operación suprime las frecuencias espaciales altas, pero no reproduce la profundidad de campo óptica. Suele preceder al cambio de tamaño, la detección de bordes, la segmentación o la composición visual.
Datos clave
- La desviación estándar controla la escala física del desenfoque, mientras que las dimensiones del núcleo determinan qué parte de la distribución se muestrea; truncar el núcleo de forma demasiado agresiva puede introducir errores visibles.
- Un núcleo gaussiano es separable, por lo que una convolución de N por N puede calcularse como dos pasadas unidimensionales, lo que reduce considerablemente las operaciones aritméticas y los accesos a memoria para radios mayores.
- Aplicar desenfoque antes de reducir el muestreo actúa como un filtro antialiasing, pero un suavizado excesivo elimina energía de los bordes y puede debilitar los detectores de características, el OCR o las operaciones posteriores de aumento de nitidez.
Cuándo es importante el desenfoque gaussiano
Los desarrolladores aplican el desenfoque gaussiano para reducir el ruido, desenfocar fondos, ocultar información por privacidad y analizar el espacio de escalas. Los núcleos más grandes requieren más recursos de cálculo y pueden borrar bordes necesarios para el procesamiento posterior.