Qu’est-ce que le flou gaussien ?
Le flou gaussien lisse une image en lui appliquant une convolution avec un noyau dont les poids suivent une distribution gaussienne. L’échelle du noyau détermine l’étendue du voisinage dont les pixels influencent chaque pixel de sortie.
Fonctionnement du flou gaussien
Le lissage gaussien remplace chaque pixel par un mélange de son voisinage pondéré selon la distance, en donnant davantage d’influence aux échantillons proches qu’aux échantillons éloignés. Comme une gaussienne bidimensionnelle est séparable, les implémentations peuvent effectuer des passes horizontale et verticale au lieu d’une seule convolution carrée coûteuse. L’opération atténue les hautes fréquences spatiales, mais ne reproduit pas la profondeur de champ optique. Elle précède couramment le redimensionnement, la détection de contours, la segmentation ou la composition visuelle.
Points clés
- L’écart-type contrôle l’échelle physique du flou, tandis que les dimensions du noyau déterminent la portion de la distribution échantillonnée ; tronquer le noyau trop fortement peut introduire une erreur visible.
- Un noyau gaussien est séparable ; une convolution de N par N peut donc être calculée en deux passes unidimensionnelles, ce qui réduit considérablement les opérations arithmétiques et les accès mémoire pour les grands rayons.
- Appliquer un flou avant le sous-échantillonnage agit comme un filtre anti-repliement, mais un lissage excessif réduit l’énergie des contours et peut nuire aux détecteurs de caractéristiques, à l’OCR ou aux opérations ultérieures d’accentuation de la netteté.
Quand le flou gaussien est utile
Les développeurs appliquent le flou gaussien pour réduire le bruit, flouter les arrière-plans, masquer des éléments à des fins de confidentialité et analyser l’espace des échelles. Les noyaux plus grands sont plus coûteux à calculer et peuvent effacer des contours nécessaires aux traitements ultérieurs.