O que é desfoque gaussiano?
O desfoque gaussiano suaviza uma imagem por convolução com um núcleo cujos pesos seguem uma distribuição gaussiana. A escala do núcleo determina a extensão da influência dos pixels vizinhos sobre cada pixel de saída.
Como funciona o desfoque gaussiano
A suavização gaussiana substitui cada pixel por uma combinação de sua vizinhança ponderada pela distância, dando mais influência às amostras próximas do que às distantes. Como uma gaussiana bidimensional é separável, as implementações podem executar passagens horizontais e verticais em vez de uma única convolução quadrada de alto custo. A operação suprime altas frequências espaciais, mas não reproduz a profundidade de campo óptica. Ela costuma preceder o redimensionamento, a detecção de bordas, a segmentação ou a composição visual.
Informações essenciais
- O desvio padrão controla a escala física do desfoque, enquanto as dimensões do núcleo determinam quanto da distribuição é amostrado; truncar o núcleo de forma excessiva pode introduzir erros visíveis.
- Um núcleo gaussiano é separável, de modo que uma convolução N por N pode ser calculada como duas passagens unidimensionais, reduzindo substancialmente os cálculos e os acessos à memória para raios maiores.
- O desfoque antes da redução da taxa de amostragem atua como um filtro antialiasing, mas a suavização excessiva remove energia das bordas e pode prejudicar detectores de características, OCR ou operações posteriores de aumento de nitidez.
Quando o desfoque gaussiano é importante
Desenvolvedores aplicam o desfoque gaussiano para reduzir ruído, desfocar fundos, mascarar informações por privacidade e analisar o espaço de escala. Núcleos maiores têm maior custo computacional e podem apagar bordas necessárias ao processamento posterior.