这一节在上一节均值滤波的基础上，再进阶一下，了解一下什么是高斯滤波。

首先，如上一节所说，均值滤波是利用一个窗口在图片上滑动，每次都计算窗口内能看到的像素的平均值，然后将平均值作为滤波的输出，从而可以起到平滑图像、去噪点的作用。

有没有发现，此时并没有特别说明这个窗口是什么，以及窗口是否带有参数。

在介绍高斯滤波之前，进一步说明一下均值滤波的这个窗口。

上图是均值滤波示意图，中间一个 3x3的正方形即为均值滤波的窗口。此时，我们可以将均值滤波的窗口看做是有参数的窗口，只不过，在均值滤波算法中，窗口所带的参数都是1。

为什么都是 1 呢？因为只有 1 才能完成求取均值的操作：原始图像每个像素值乘以 1，然后求和之后除以窗口大小（9）。

这一步骤很像是为原始像素都乘上一个权重，然后将乘完权重的结果相加。在深度学习中，这一过程被更广泛的称为乘累加。

乘累加，乘的就是权重。

深度学习中的很多算法都是基于此而来，包括卷积、矩阵乘、全连接等（这些后面会重点讲述）&