本篇主要介绍常见降噪算法之一的高斯低通滤波(Gaussian Low Pass Filter)。获取文中代码和图像请移步我的Github仓库：Gaussian Denoising
Using Python & Matlab。
一、正态分布(Normal Distribution)与高斯函数(Gaussian Function)
上一篇里我们谈到了，散粒噪声(Shot Noise，Poisson Noise)、闪烁噪声(Flicker Noise)、布朗噪声(Brown
Noise)均在一定程度上服从正态分布。正态分布又称高斯分布(Gaussian
Function)，是在统计、自然科学和社会科学上非常常用的一个连续概率分布模型。这种概率分布非常奇妙，因为有相当多随机现象的发生如心理学测试分数、光子计数、红细胞数量等，均被发现趋近于正态分布。
正态分布概率密度函数图像
正态分布的概率密度函数是高斯函数的一个实例。其均值为μ，标准差为σ，当σ为1时，称作标准正态分布，如上图红色曲线。
由其特性可知，当标准差σ确定时，不论均值μ为多大，函数图像的形状都是一样的，不同的只是中轴线的位置。
正态分布的高斯函数表达式
正态分布中一些值得注意的量：
· 密度函数关于平均值μ对称
· 平均值μ与它的众数(statistical mode)以及中位数(median)同一数值。
· 函数曲线下68.268949%的面积在平均数μ左右的一个标准差σ范围内。
· 95.449