为何两段声称采用高斯滤波的OpenCV C++图像模糊代码差异显著？

我正在学习使用OpenCV编写C++程序，以实现基于高斯滤波的图像模糊。浏览大量资料后，我找到两段均声称采用高斯滤波实现图像模糊的代码，但二者在语法和功能上存在诸多差异。

Code 1（来源：视频教程） #

int main(int argc, char** argv) {
    cv::Mat image;
    image = cv::imread(argv[1],cv::IMREAD_COLOR);

    cv::Mat dst;
    cv::Mat dst2;
    cv::pyrDown(image, dst);
    cv::pyrDown(dst,dst2);
    cv::imshow("original image", image);
    cv::imshow("1st downsample",dst);
    cv::imshow("2nd downsample",dst2);
    cv::waitKey();
}

Code 2（来源：《Hands-On GPU-Accelerated Computer Vision with OpenCV and CUDA》书籍） #

int main    ()
{
        cv::Mat h_img1  =   cv::imread("images/cameraman.tif",0);
        cv::cuda::GpuMat    d_img1,d_result3x3,d_result5x5,d_result7x7;
        d_img1.upload(h_img1);
        cv::Ptr<cv::cuda::Filter>   filter3x3,filter5x5,filter7x7;
        filter3x3   =   cv::cuda::createGaussianFilter(CV_8UC1,CV_8UC1,cv::Size(3,3),1);
        filter3x3->apply(d_img1,    d_result3x3);
        filter5x5   =   cv::cuda::createGaussianFilter(CV_8UC1,CV_8UC1,cv::Size(5,5),1);
        filter5x5->apply(d_img1,    d_result5x5);
        filter7x7   =   cv::cuda::createGaussianFilter(CV_8UC1,CV_8UC1,cv::Size(7,7),1);
        filter7x7->apply(d_img1,    d_result7x7);
        cv::Mat h_result3x3,h_result5x5,h_result7x7;
        d_result3x3.download(h_result3x3);
        d_result5x5.download(h_result5x5);
        d_result7x7.download(h_result7x7);
        cv::imshow("Original    Image   ",  h_img1);
        cv::imshow("Blurred with    kernel  size    3x3",   h_result3x3);
        cv::imshow("Blurred with    kernel  size    5x5",   h_result5x5);
        cv::imshow("Blurred with    kernel  size    7x7",   h_result7x7);
        cv::waitKey();
        return  0;
}

我的疑问是：既然两段代码都声称采用高斯滤波实现图像模糊，为何二者在语法和功能上存在诸多差异？

解答 #

两段代码的核心差异在于功能定位完全不同，再加上依赖的OpenCV模块不同，导致语法和表现出的功能有明显区别：

1. 功能本质的区别 #

• Code 1中的pyrDown是图像金字塔下采样操作，它内部确实会先对图像做高斯滤波（目的是避免降采样时的图像混叠），但它的核心目标是缩小图像尺寸，模糊只是降采样的附带效果，并非代码要实现的核心功能。严格来说，这段代码不能算是"实现高斯模糊"的代码，只是它的内部流程包含高斯滤波步骤。
• Code 2则是专门实现高斯模糊，直接调用高斯滤波的API，输出和原图尺寸一致的模糊图像，同时还对比了不同大小高斯核对模糊程度的影响，核心目标就是完成高斯模糊效果。

2. 技术实现的差异 #

• 依赖模块不同：Code 1基于OpenCV的CPU核心模块，所有运算都在CPU上执行；Code 2使用了OpenCV的CUDA加速模块，需要依赖NVIDIA的CUDA环境，先将图像数据上传到GPU，在GPU上完成滤波运算后再下载回CPU显示，适合处理大尺寸图像以提升运算速度。
• 语法差异原因：二者调用的是OpenCV完全不同的API体系。pyrDown是封装好的金字塔操作接口，参数简单；而cv::cuda::createGaussianFilter是GPU滤波的专用接口，需要先创建滤波器实例，再调用apply方法，还要处理GPU与CPU之间的数据传输（upload/download），所以语法结构更复杂。
• 输入输出处理不同：Code 1读取彩色图像，输出的是尺寸逐步缩小的图像；Code 2读取灰度图像，输出的是与原图尺寸相同、模糊程度不同的图像，重点展示高斯核大小对模糊效果的影响。

总结 #

Code 1是借高斯滤波实现图像降采样，核心是缩小图像；Code 2是专门实现高斯模糊，还用到了GPU加速。二者的定位和目标完全不同，这才导致了语法和功能上的诸多差异。

内容的提问来源于stack exchange，提问作者Encipher