IIR递归高斯滤波总结

本文主要总结递归高斯算法的基本原理，分析，实现，指令优化实现等

原始高斯滤波算法计算量很大，网上资料很多，不赘述了，自行search

二维高斯滤波在图像处理中非常非常重要，最常见的是高斯模糊，做模糊滤镜，其本质是空域的低通滤波器，在本人另外的两篇博客同态滤波和MSRCR中有提及。对于同态滤波，需要对对数变换后的结果进行高通滤波，常规是变换到频域进行处理，也可以不进行频域变换，直接进行空域高斯滤波实现低通滤波，然后再用减法实现高通滤波。对于MSRCR算法，每个颜色通道需要进行三个强度的高斯滤波，复杂度可想而知。而且常规的高斯滤波需要考虑滤波窗大小，可以自己参考opencv里面的高斯滤波，可以自己搜一下复杂度分析，对于视频等实时处理，原始算法显然没什么实用性。

后面有人提出先进行水平一维滤波，然后再进行竖直方向一维滤波，对于一个点的滤波，计算数据量由NxN减少为2*N，但还是和窗口大小N有关

有看到一种递归减半滤波平面大小的递归实现，原理不太清楚，可参考如下资料，文中fastFilter函数的定义：

http://blog.csdn.net/smallstones/article/details/41787079

然后是本文主要介绍的IIR递归高斯滤波，这个滤波器能近似接近高斯滤波器，也是分成两次一维滤波，关键是不需要设定滤波窗口大小，复杂度跟窗口大小无关，对于一维滤波先进行一次正向滤波，然后进行一次逆向滤波，所以对于大小为NXN大小的二维矩阵，计算复杂度为O(NXN)

计算公式参考：

http:/