[编辑：20181225，添加了几个参考] 这个话题又回来了。P. Getreuer 提供了C 代码，并在高斯卷积算法的调查，在线图像处理，2013中列出了其中的一些：

高斯卷积是信号和图像处理中算法的常用操作和构建块。因此，它的高效计算很重要，并且已经提出了许多快速近似。在本次调查中，我们讨论了基于有限脉冲响应滤波器的近似高斯卷积、基于 DFT 和 DCT 的卷积、箱形滤波器和几个递归滤波器。由于原作中有时会忽略边界处理，所以在这里特别注意开发。我们进行数值实验来比较算法的速度和质量。

这里有几个参考：

• Robinson, JA,使用级联前缀和的高效高斯滤波，2012

本文介绍了一种使用由前缀和驱动的重叠局部平均窗口的有效单程级联的多维高斯滤波方法。每个局部平均滤波器在 n 维中实现，具有非整数长度，允许精确逼近任何方差的高斯。在面向轴的形式中，该方法具有扫描速率硬件实现和使用最少额外内存的快速软件实现。在后一种情况下，新方法在准确性和速度方面始终优于最快的替代高斯滤波方法。

• Bernardo Rodrigues Pires、Karanhaar Singh、José MF Moura，带盒式过滤器的近似图像过滤器，2011

箱形过滤器已被用于加速图像处理和计算机视觉中的许多计算密集型操作。它们具有计算速度快的优势，但由于它们对滤波器构造存在严重限制，因此阻碍了它们的采用。本文通过提出一种通过箱形滤波器自动逼近任意二维滤波器的方法来放松这些限制。为了开发我们的方法，我们首先将近似公式化为最小化问题，并表明可以找到盒滤波器参数子集的封闭形式解决方案。为了解决近似的剩余参数，我们开发了两种算法：针对小型过滤器的穷举搜索和针对大型过滤器的定向搜索。实验结果表明了所提方法的有效性。

• Elboher, Elhanan 和 Werman, Michael，使用运行和的高效和准确的高斯图像滤波，2011

本文提出了一种简单有效的方法来对图像与高斯核进行卷积。使用沿图像行和列的运行总和，以每个像素的恒定操作数执行计算。我们研究了用于核逼近的误差函数及其与输入信号属性的关系。基于自然图像统计，我们提出了一个二次形式的核误差函数，以使输出图像 l2 误差最小化。我们应用所提出的方法通过常数函数的线性组合来近似高斯核。这导致非常有效的高斯滤波方法。我们的实验表明，所提出的技术比最先进的方法更快，同时保持相似的准确性。

• Kovesi, Peter，快速几乎高斯滤波，2010

使用可分离的移动平均滤波器或使用求和面积表（也称为积分图像）可以非常有效地执行图像平均。这两种方法都允许以每像素较小的固定成本执行平均，而与平均滤波器大小无关。具有平均滤波器的重复滤波可用于近似高斯滤波。因此，可以以与滤波器大小无关的每个像素的固定成本实现对高斯滤波的良好近似。本文描述了如何确定使用指定标准偏差逼近高斯函数所需的平均滤波器。还分析了从高斯差出发的带通滤波器的设计。

• Wells, William M.，通过级联均匀滤波器高效合成高斯滤波器，1986

高斯滤波是图像处理和计算机视觉中的重要工具。在本文中，我们讨论了高斯滤波的背景，并介绍了一些实现它的方法。对中心极限定理的考虑表明使用级联的simple'' filters as a means of computing Gaussian filters. Among简单滤波器、均匀系数有限脉冲响应数字滤波器实施起来特别经济。级联均匀过滤器的想法已经存在了一段时间[13]，[16]。我们证明了这种方法实现起来经济，具有良好的滤波特性，并且适合硬件实现。我们指出了与 Burt 方法1、3之一的等价性在某些情况下。作为扩展，我们描述了一种实现高斯金字塔的方法，该方法每个像素、每个级别、每个维度大约需要两次加法操作。我们检查在选择高斯滤波算法时的权衡，最后讨论实现。