嘿，我一眼就看出你现在的问题出在哪了——你写的那个公式根本不是高斯模糊的实现方式！你现在是把单个像素的灰度值直接代入高斯函数，而高斯模糊的核心是对每个像素的邻域做加权平均，不是单像素的数值变换。

你想啊，灰度值一般是0-255的范围，代入exp(-(pow(image[i][j],2))/(11.5))的话，哪怕是中等亮度的像素（比如100），计算出来的结果几乎趋近于0，最后生成全黑图像就一点都不奇怪了。

接下来给你讲最简单的高斯模糊实现步骤，新手友好型：

第一步：选一个小的高斯核（比如3x3） #

高斯核是一组加权值，用来给邻域像素分配权重。3x3的高斯核是最容易实现的，比如标准差σ=1.0的时候，核的近似值是：

1 2 1
2 4 2
1 2 1

这个核的总和是16，所以最后要把加权后的结果除以16做归一化，保证图像亮度不会异常。

第二步：处理图像边缘 #

因为边缘像素没有完整的3x3邻域（比如第一行第一个像素，左边和上边都没有像素），最简单的处理方式是：只处理图像中1 <= i < height-1和1 <= j < width-1的像素，边缘像素保持原样；或者也可以把边缘像素复制到边界外（比如第一行的上边还是第一行），不过前者更省心。

第三步：遍历像素计算加权平均 #

具体的伪代码大概是这样（假设你用的是C风格的数组，image是原图像，blurred_image是输出图像）：

// 3x3高斯核
int kernel[3][3] = {{1,2,1}, {2,4,2}, {1,2,1}};
int kernel_sum = 16;

// 遍历非边缘像素
for (int i = 1; i < image_height - 1; i++) {
    for (int j = 1; j < image_width - 1; j++) {
        int sum = 0;
        // 遍历邻域
        for (int ki = -1; ki <= 1; ki++) {
            for (int kj = -1; kj <= 1; kj++) {
                sum += image[i+ki][j+kj] * kernel[ki+1][kj+1];
            }
        }
        // 归一化，确保结果在0-255之间
        blurred_image[i][j] = sum / kernel_sum;
    }
}

// 复制边缘像素到输出图像
for (int i = 0; i < image_height; i++) {
    blurred_image[i][0] = image[i][0];
    blurred_image[i][image_width-1] = image[i][image_width-1];
}
for (int j = 0; j < image_width; j++) {
    blurred_image[0][j] = image[0][j];
    blurred_image[image_height-1][j] = image[image_height-1][j];
}

额外说明 #

如果你想要更平滑的模糊效果，可以用更大的核（比如5x5），或者调整标准差σ来计算更精确的高斯权重，但3x3的核已经足够满足基础需求，而且实现起来最省心。

另外，记得处理完后要把像素值限制在0-255的范围内（不过上面的代码用整数除法的话，只要原图像是合法的灰度值，结果也会在范围内）。

内容的提问来源于stack exchange，提问作者Abdelrahman