---
title: gaussian_blur_fft
description: "将图像转换到频域上进行高斯滤波。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengboostkithistory/251RC1/accel/kunpengaccel_kpcv_06_0020.html
sourcePath: /source/zh/kunpengboostkithistory/251RC1/accel/kunpengaccel_kpcv_06_0020.html
indexId: 3cad6d437632b452d12518d9394e0c5860a1e06ffe81bbbf38524a875008818c77
---
# gaussian_blur_fft

#### 函数功能

将图像转换到频域上进行高斯滤波。

1. 通过傅里叶变换（FFT）计算频域图像。
2. 通过sigma和图像size计算频域上的kernel。
3. 将两矩阵点乘得到滤波后的频域图像。
4. 通过逆傅里叶变换（IFFT）得到滤波后的空域图像。


#### 函数接口

```
int kcv_GaussianBlurFFT_acc(double *_src, double *_dst, size_t rows, size_t cols, double *kernel_ft, double sigma);
```


#### 参数

| 参数名 | 描述 | 取值范围 | 输入/输出 |
| --- | --- | --- | --- |
| \_src | 输入，原图像。 | 非空且申请内存大小为rows\*cols\*sizeof(double) | 输入 |
| \_dst | 输出，滤波后的图像。 | 非空且与src申请内存大小一致 | 输出 |
| rows | 输入图像的高（行数）。 | (0, 16384] | 输入 |
| cols | 输入图像的宽（列数）。 | (0, 16384] | 输入 |
| kernel\_ft | 输出，频域高斯kernel。 | 非空且申请内存大小为rows\*（cols/2+1）\*sizeof(double) | 输出 |
| sigma | 高斯sigma。 | (0, inf) | 输入 |


#### 返回值

- 成功：返回LITHO_IMG_STS_NO_ERR。
- 失败：返回错误码。


#### 错误码

| 错误码 | 描述 |
| --- | --- |
| LITHO\_IMG\_STS\_NULL\_PTR\_ERR | 参数“\_src”或“\_dst”存在空指针。 |
| LITHO\_IMG\_STS\_SIZE\_ERR | 参数“rows”或“cols”值等于0。 |


#### 示例

```
#include <stdio.h>
#include <stdlib.h>
#include <complex.h>
#include <iostream>
#include <vector>
#include "kp_litho_img.h"

void test_kcv_laplacian_acc() {
    const size_t src_rows = 2; // 可调整
    const size_t src_cols = 2; // 可调整
    const double sigma = 3.0; // 可调整

    double *_src = (double *)malloc(src_rows * src_cols * sizeof(double));
    double *_dst = (double *)malloc(src_rows * src_cols * sizeof(double));
    double *kernel_ft = (double *)malloc(src_rows * src_cols * sizeof(double));
    // 初始化输入图像（这里使用一个简单的5x5图像）
    double src_data[5][5] = {
        {0, 0, 0, 0, 0},
        {0, 1, 2, 1, 0},
        {0, 1, 0, 1, 0},
        {0, 1, 1, 1, 0},
        {0, 0, 0, 0, 0}
    };
    for (size_t i = 0; i < src_rows; i++) {
        for (size_t j = 0; j < src_cols; j++) {
            _src[i * src_cols + j] = src_data[i][j];
        }
    }
    // 调用函数
    cv::kcv_GaussianBlurFFT_acc(_src, _dst, src_rows, src_cols, kernel_ft, sigma);
    // 打印结果（这里只打印部分结果）
    printf("Upsampled Image:\n");
    for (size_t i = 0; i < src_rows; i++) { 
        for (size_t j = 0; j < src_cols; j++) { 
            printf("%.2f ", _dst[i * src_cols + j]);
            if (j == src_cols - 1) {
                printf("\n");
            }
        }
    }
}
int main() {
    test_kcv_laplacian_acc();
    return 0;
}
```

运行结果：

```
Upsampled Image:
0.25 0.25 
0.25 0.25
```