在Halcon的rft變換中，我們經常可以看到這樣的算子組合：
rft_generic (Image, ImageFFT2, 'to_freq', 'none', 'complex', Width)
convol_fft (ImageFFT2, ImageFilter, ImageConvol2)
rft_generic (ImageConvol2, ImageFiltered2, 'from_freq', 'n', 'real', Width)
這個很容易理解，即將圖片從空間域轉到頻域，然后做一次卷積計算，最后從頻域轉回空間域。
最簡單的高斯濾波器是這樣構造的：（其中，Width, Height是圖片的寬、高）
sigma :=2
gen_gauss_filter (ImageFilter, sigma, sigma, 0.0, 'none', 'rft', Width, Height)
有時候我們還會看到更復雜的高斯濾波器構造，舉例如下：
1 read_image (Image, 'C:/Users/happy xia/Desktop/lena.png') 2 get_image_size (Image, Width, Height) 3 4 GenGaussFilter (ImageFilter, 7, 30, Width, Height) 5 6 sigma :=2 7 * gen_gauss_filter (ImageFilter, sigma, sigma, 0.0, 'none', 'rft', Width, Height) 8 9 rft_generic (Image, ImageFFT2, 'to_freq', 'none', 'complex', Width) 10 convol_fft (ImageFFT2, ImageFilter, ImageConvol2) 11 rft_generic (ImageConvol2, ImageFiltered2, 'from_freq', 'n', 'real', Width) 12 * gray_range_rect (ImageFiltered2, ImageFiltered2, 11, 11) 13 * invert_image (ImageFiltered2, ImageFiltered2) 14 dev_display (ImageFiltered2) 15 min_max_gray (Image, ImageFiltered2, 0, Min, Max, Range) 16 intensity (Image, ImageFiltered2, Mean, Deviation) 17 disp_message (3600, 'Min:' + Min + ' ' +'Max:' + Max +' '+ 'Mean:' + Mean, 'image', 12, 12, 'red', 'true') 18 dump_window (3600, 'png', 'halcon_dump')
其中，函數GenGaussFilter 是這樣的：
1 gen_gauss_filter (GaussFilter1, Sigma1, Sigma1, 0.0, 'none', 'rft', Width, Height) 2 gen_gauss_filter (GaussFilter2, Sigma2, Sigma2, 0.0, 'none', 'rft', Width, Height) 3 sub_image (GaussFilter1, GaussFilter2, ImageFilter, 1, 0) 4 return ()
ImageFilter濾波器是通過一個高斯濾波器減去另一個高斯濾波器得到的，這又是什么意思呢？
我從Photoshop的高斯模糊和高反差保留濾鏡中得到了啟發。
我本人熟悉Photoshop的用法，Photoshop是一款商業圖像處理設計軟件。
事實上，下式就是一個高斯低通濾波器，即高斯模糊：
sigma :=2 gen_gauss_filter (ImageFilter, sigma, sigma, 0.0, 'none', 'rft', Width, Height)
當sigma = 2時，只是稍微模糊圖片，當sigma = 10時，則有強烈的模糊效果，這和Photoshop中的高斯模糊是一致的。
當sigma = 10時，Halcon程序跑出來的結果是：（跟Photoshop做出的效果對比，模糊程度類似，僅僅是對比度強一些）
再來看看Photoshop的高反差保留濾鏡（濾鏡——其它——高反差保留）：
高反差保留濾鏡的意思是：在圖像中顏色過渡明顯（邊緣）的地方，保留指定半徑內的邊緣細節，並隱藏圖像的其它部分，值越大保留的原圖像素越多。
當參數“半徑”很小的時候，只保留高頻部分（邊緣），當“半徑”逐漸增大時，保留高頻和中頻部分，當“半徑”值極大時，中高低頻都得到保留。
並且可以證明：高反差保留 + 高斯模糊 = 原始圖像。
而對於函數GenGaussFilter 設計的濾波器ImageFilter來說：它同時兼有高反差保留和高斯模糊的特性。
1 gen_gauss_filter (GaussFilter1, Sigma1, Sigma1, 0.0, 'none', 'rft', Width, Height)
2 gen_gauss_filter (GaussFilter2, Sigma2, Sigma2, 0.0, 'none', 'rft', Width, Height) 3 sub_image (GaussFilter1, GaussFilter2, ImageFilter, 1, 0) 4 return ()
對於函數GenGaussFilter (ImageFilter, 7, 30, Width, Height)來說，可以近似理解為先對圖像進行值為30的高反差保留，然后對圖像進行值為7的高斯模糊。注意：較大的值為高反差保留的值，較小的值為高斯模糊的值，跟7或30的順序無關。
如果順序是：GenGaussFilter (ImageFilter, 30, 7, Width, Height)，結果圖像其實只是反相的關系，這可以對結果圖像執行invert_image反相算子來驗證。
當這樣取值時：
GenGaussFilter (ImageFilter, 0, 1, Width, Height)
此時相當於僅進行了值為1的高反差保留，邊緣棱角分明，而低頻區域幾乎沒有任何細節。
當這樣取值時：
GenGaussFilter (ImageFilter, 0, 10, Width, Height)
此時，臉部、肩部等低頻區域（光滑的區域）細節都出來了一部分。
如果我們把值改成：
GenGaussFilter (ImageFilter, 2, 10, Width, Height)
此時圖像又被模糊了。相當於在原先的基礎上，疊加了一個值為2的高斯模糊效果。
通過上面的分析，我們知道了，高斯模糊是一個低通濾波器，而高反差保留是一個高通濾波器。GenGaussFilter (ImageFilter, 2, 10, Width, Height)則是一個帶通濾波器（或者說“帶阻濾波器”）——先通過高反差保留讓中高頻通過，然后通過高斯模糊抑制高頻，最終的結果是讓中頻通過。
當然，如果較大的那個值很大時，例如GenGaussFilter (ImageFilter, 2, 210, Width, Height)，則是先讓中高低頻都通過，然后抑制高頻，結果是讓中低頻通過。
這樣設計的濾波器通常可以用來做紋理缺陷檢測（同時抑制高頻和低頻，從而找出缺陷）。
對於濾波器GenGaussFilter (ImageFilter, sigma1, sigma2, Width, Height)和最終轉回到空間域的圖像來說，本人研究出以下結論：
1、結果圖像的均值接近於0，亮的是正值，暗的是負值；
2、調換濾波器中的兩個數字，相當於對結果圖像反相；
3、大的數字相當於高反差保留，小的數字相當於高斯模糊；
4、大的數字非常大的時候，四周可能會出現暗角（未嚴格驗證）；
5、大的數字取到合適的值的時候，可以消除待測物起伏不平整的影響（起伏不平整的地方通常頻率不是特別高）；
6、檢測缺陷異常時，小的數字，即高斯模糊的值以剛好模糊掉紋理為佳。