因为fspecial出来的矩阵都是归一化的，所有元素的和是1
因为模版滤波相当于对模版对应大小的图像快进行加权平均，权重的总应该是1
就简单的均值滤波，例如2x2的滤波模版应该是
| 0.25 0.25 |
| 0.25 0.25 |
而对于高斯滤波，以你给的3x3模版为例，归一化后为
0.0625 0.1250 0.0625
0.1250 0.2500 0.1250
0.0625 0.1250 0.0625
相当于原来的矩阵 除以它自身所有元素的和
如过先不考虑归于化，想用整数的序列近似高斯滤波模版
简单起见，我们先考率1维的情况，那么可以简单的使用杨辉三角来近似
长度为3时[1 2 1]
长度为4时[1 3 3 1]
长度为5时[1 4 6 4 1]
...........
因为使用杨辉三角可以很好地保留高斯模版的一个性质
两个高斯模版的卷积还是高斯模版
例如两个长度3的杨辉三角序列，卷积出长度5的序列
conv([1 2 1],[1 2 1])
ans =
1 4 6 4 1
而二维的模版，可以用一维的模版用矩阵乘法获得
[1 2 1]'*[1 2 1]
ans =
1 2 1
2 4 2
1 2 1
获得整数矩阵后，可以除以其所有元素的总和来归一化
由于模板大小限制，这些处理都是离散的，模板越大这些就越接近正确结果。
其实你想想，如果一个小小的3*3模板你用小数做根本没意义的，计算精度没提高徒增计算时间。
高斯滤波模板3*3 5*5 7*7 这些数不用你记住，下次用直接复制过来就可以。
其实都是对高斯函数的离散模拟。
欢迎追问。追问
您能加我 球球 吗？我想仔细问一下，谢谢啊，三一七一八二三六二
追答在这里问就行，其他人也能看到。
追问我用这个语句h = fspecial('gaussian',[5,5], 2);得出来的是
我想知道，为什么差那么多呢？我菜鸟一个，刚接触TLAB，多谢啊
首先呢，你要知道高斯滤波中很重要的一个参数是sigma.
这个参数会决定高斯滤波的强度，也就是高斯函数的形状。
不同的参数会带来不同的模板，所以两个都是高斯滤波，但是形状不一样很正常。
第二，你要知道什么是高斯滤波，由于图像都是一个像素一个像素的离散的变化，而现实中的高斯函数又是无限大小（你可以把x=10000带进去，y只是会很接近0罢了）
所以我们用到的高斯模板都是模拟出来高斯函数的形状，大体就是中间鼓鼓的，边上平平的。
所以你用整数模拟也是模拟，小数模拟也是模拟，不会有完全的真实的实现。
第三，小数的来源我猜是将对应的坐标带入方程求解的。
用整数的原因是计算会很快。
您的意思是这个整数的模板也是近似符合高斯函数图像的吗？如果用3×3或者5×5的模板处理一幅图像，那么这行编码需要怎么改呢？谢谢了，h = fspecial('gaussian',[5,5], 2);
追答我建议你去搜索，MATLAB图像卷积运算。
自己学习的过程很重要，你自己实在搞不定再来问。
我现在很想知道用高斯模板处理图像的时候，怎么编写那句代码，不知道均值和方差的取值。h = fspecial('gaussian',[5,5], ？);这个方差取多少才能是那个整数模板呢？多谢啊
追答哎 你真够懒的啊
imfilter 自己看去
h = imread('1.bmp')
1 2 1
f=[ 2 4 2 ]
1 2 1
imfilter(h,f) 是这样吗？请指教啊，哈哈
f=[1,2,3, 4,5,6 7,8,9];
我两年没用matlab了 我习惯上面的写法
你自己测试下结果吧
我运行了，不好使啊
clear all
g0=imread('d:\image\ha.jpg');
g0 = g0(:,:,2); %三维转二维
figure(1);imshow(g0) ;title('原图')
g1=imnoise(g0,'salt & pepper',0.2)
g1=im2double(g1);
figure(2);imshow(g1);title('加入椒盐噪声')
h8=[0 -1 0;-1 5 -1;0 -1 0];
g9=filter2(h8,g1,'same');
figure(10);imshow(g9);title('高斯高通滤波');
h1=fspecial('gaussian',4,0.3)
g2=filter2(h1,g1,'same')
figure(3);imshow(g2);title('进行高斯滤波')
2014-1-16 16:40:26
弄出来了没有？