UD5工具箱
高斯模糊术语表
高斯模糊（Gaussian Blur）
一种基于高斯函数（正态分布曲线）的图像模糊算法。通过对每个像素及其周围像素进行加权平均计算来实现平滑效果，离中心像素越远的权重越低。高斯模糊产生的效果自然柔和，没有明显的边界感，是数字图像处理中最常用的模糊方法之一，广泛应用于摄影后期处理、计算机视觉、UI设计等领域。
模糊半径（Blur Radius）
控制高斯模糊效果强度的关键参数，决定了卷积核的作用范围。模糊半径越大，参与加权平均计算的像素范围越广，模糊效果越强。具体来说，模糊半径为N像素时，每个像素会与周围N像素范围内的所有像素进行加权平均。半径为3时效果轻微，半径为50时几乎完全消除图像细节。
卷积核（Convolution Kernel）
图像处理中用于对像素进行局部运算的权重矩阵。在高斯模糊中，卷积核的权重按照二维高斯函数分布——中心权重最大，向四周逐渐衰减。卷积核的大小由模糊半径决定，通常为(2×半径+1)×(2×半径+1)的正方形矩阵。卷积核越大，计算量越大，但模糊效果越自然。
Canvas API
HTML5标准提供的浏览器原生图形绘制接口，允许通过JavaScript在网页上直接进行像素级的图形操作。在高斯模糊工具中，Canvas API负责将图片绘制到画布上、读取和修改像素数据、以及导出处理后的图片。Canvas API的最大优势是所有操作均在浏览器本地完成，无需服务器参与，保障数据安全。
像素加权平均（Weighted Average）
高斯模糊的核心计算方法。每个像素的新值不是简单地取周围像素的算术平均，而是根据高斯分布对周围像素赋予不同的权重——距离中心越近的像素权重越大，距离越远权重越小。这种加权方式使得模糊效果更加自然，避免了简单平均可能产生的硬边界伪影。
高斯函数（Gaussian Function）
数学中的正态分布函数，其图像呈钟形曲线。在二维图像处理中，高斯函数的表达式为G(x,y) = (1/2πσ²) × e^(-(x²+y²)/2σ²)，其中σ（标准差）决定了钟形曲线的宽度，对应到图像处理中就是模糊半径。高斯函数的对称性和可分离性使其成为实现图像模糊的理想选择。
图像滤波（Image Filtering）
对图像像素进行数学运算以改变图像外观或提取特征的过程。高斯模糊属于低通滤波（平滑滤波）的一种，它保留图像中的低频信息（大面积的色彩和亮度变化），去除高频信息（细节、边缘、噪点），从而实现模糊效果。其他常见滤波还包括锐化、边缘检测等。
Alpha通道（Alpha Channel）
图像中存储每个像素透明度信息的数据通道。Alpha通道值通常为0（完全透明）到255（完全不透明）。在进行高斯模糊处理时，如果图片包含Alpha通道（如PNG格式），需要特别注意边缘像素的透明度处理，否则模糊后的图片边缘可能出现不自然的黑色或白色半透明晕边。正确的方式是在模糊计算中同时考虑Alpha通道的加权。