用于图像处理的“离散高斯变换”

如何解决用于图像处理的“离散高斯变换”

我想使用类似于 JPEG 压缩用于 Y 组件的某些步骤的图像处理算法。 然而，不是使用离散余弦变换 scipy.fftpack.dct，在其中我们获得每个 x 和 y 组合矩阵的权重，然后我们使用量化标准进行量化，我想使用高斯作为基础而不是余弦函数。

算法的预期结果将需要：

• 输入图像用一个小内核处理，它只查看总图像大小的一个子集（例如 9x9 像素）
• 内核由 x 和 y 的离散高斯组合构成 (n x m)（类似于用于 JPEG 压缩的 64 余弦组合，但使用高斯函数）
• 内核采用子集数组并计算每个离散高斯组合的权重，并将权重作为 n x m 矩阵返回
• 然后我可以创建一个量化量规，将这个量规除以离散高斯组合矩阵，并且大多数分量将导致 0（取决于所使用的量规阈值）。
• 这将允许我将图像压缩为每个图像子集的几个高斯分量。

根据我有限的数学理解，这在数学上应该是可能的，因为用于内核的高斯函数可以在 x 和 y 轴上分解（这将加快处理速度，因为内核可以是线性的而不是三次的）。>

问题：是否有任何算法/方法可以实现所描述的全部或部分步骤（我使用 Python）？我不确定我在寻找什么术语。

谢谢！