OpenCV图像去噪实战：用GaussianBlur给老照片修复降噪，对比3x3、5x5、7x7核效果

翻开泛黄的家族相册，那些承载着记忆的老照片往往因为年代久远而布满噪点。数字化的扫描过程又可能引入额外的高斯噪声，让本就模糊的画面雪上加霜。本文将带你用OpenCV4的cv::GaussianBlur()函数，通过C++代码一步步实现老照片的智能降噪，并对比不同尺寸高斯核（3x3、5x5、7x7）的处理效果，帮你找到保留珍贵细节与去除噪点之间的最佳平衡点。

1. 高斯滤波原理与老照片修复

高斯滤波之所以成为图像去噪的经典选择，源于其与自然噪声特性的高度契合。不同于简单均值滤波的"一刀切"，高斯核为每个像素分配权重时，遵循距离中心越近贡献越大的原则，这种非线性加权方式更符合实际光学系统的物理特性。

对于老照片修复这类特殊场景，我们需要特别注意：

• 纹理保留：旧照中衣物褶皱、发丝等细节具有情感价值
• 噪声特性：扫描件常呈现明显的高斯噪声与椒盐噪声混合
• 边缘保护：过强的平滑会导致人物轮廓模糊失真

高斯滤波的两个关键参数直接影响效果：

1. 核尺寸(ksize)：决定参与计算的邻域范围
2. 标准差(sigma)：控制权重分布的陡峭程度

cpp复制// 基础高斯滤波函数原型
void GaussianBlur(InputArray src, OutputArray dst, 
                 Size ksize, double sigmaX, 
                 double sigmaY=0, int borderType=BORDER_DEFAULT);

2. 开发环境准备与照片预处理

2.1 环境配置

确保已安装：

• OpenCV 4.x（推荐4.5+）
• C++17兼容编译器
• CMake 3.12+

bash复制# Ubuntu安装示例
sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
git