它们的图像分别为：
那么高斯滤波模板是怎么生成的呢？是通过二维高斯函数计算出来的。例如，我们假设一个高斯模板的长、宽均为5，方差为0.5，那么首先，我们要在模板上建立一个坐标系，其原点就是高斯模板的中心点，如下图：
然后每个模板的坐标就可以确定了：
每个格子对应的坐标，就是二维高斯分布中的（x，y）坐标的值。现在，我们可以计算出高斯模板上每个坐标位置的系数了。例如：
（-2,2）上的权值：W =
，把pi = 3.14， σ=0.5，x=-2，y=2带入上式，获得（-2,2）处的权值。
同理，可以计算 其他位置的权值。
最后获得一个5*5，标准差σ为0.5的高斯滤波器（经过归一化以后）：
matlab中可以使用fspecial函数实现高斯滤波模板，使用方法为：YourFilter = fspecial('gaussian', [ 5 5], 0.5);
在matlab中可以查看fspecial的源代码，通过open fspecial打开。我之前自己写了一个matlab版的实现高斯模板的代码，通过与fspecial的源代码对比，有些不一样的地方，而且我的代码确实不如自带的快，所以在这里只贴源代码。
fspecial函数可以实现多种类型的滤波器，当第一个参数为"gaussian'时，实现的是高斯滤波器，源代码通过switch判断用户想得到哪种类型的滤波器，这里只把与高斯滤波器有关的代码贴出来，并放在一个函数中，我们把这个函数命名为gaussianFilter。函数的代码如下：
[plain] view plain copy
1. function h = gaussianTemplate2( p2, p3 )
2. %p2是模板的大小，以[m n]的形式定义
3. %p3是标准差，即σ
4. %h是输出的高斯模板
5. %以下代码是从fspecial中贴出来的代码
6.
7. siz = (p2-1)/2; %siz为模板行与列各自最大的坐标值
8. std = p3; %标准差幅值给std
9.
10. %通过meshgrid产生模板上所有位置的x和y的值，这样的好处是可以避免使用循环去
11. %变换坐标值，提高程序运行的速度
12. [x,y] = meshgrid(-siz(2):siz(2),-siz(1):siz(1));
13.
14. %二维高斯分布公式中e的指数
15. arg = -(x.*x + y.*y)/(2*std*std);
16.
17. %这里没有乘以1/2*pi*σ^2，也就是没有乘以e前面的系数，因为后面在作归一化的
18. %时候，会把这个系数约去，所以在这里直接省去乘法运算，提高程序运行速度
19. h = exp(arg);
20.
21. %这句话没有太理解，貌似只有在max(h(:))大于1的时候h才有可能小于eps*max(h(:))
22. %个人理解应该是限制一下h中的权值，如果权值相对于h中的最大值特别小的话，可以
23. %忽略不计，使之为零
24. h(h<eps*max(h(:))) = 0;
25.
26. %归一化
27. sumh = sum(h(:));
28. if sumh ~= 0,
29. h = h/sumh;
30. end;
31. end 获得高斯模板后，使用imfilter函数对图像进行滤波，即可获得高斯滤波效果。下面我们使用不同的高斯滤波器，对同一幅图像进行滤波，滤波的结果如下所示：
原始图像 加入高斯噪声图像
使用5*5，方差为0.5的高斯滤波器滤波 使用5*5，方差为1.5的高斯滤波器滤波
使用11*11，方差为0.5的高斯滤波器滤波
