Opencv_Python_7_高斯模糊_cv.gaussianblur()

高斯模糊使用函数cv.GaussianBlur（）完成。
cv.GaussianBlur(src, ksize, sigmaX)
我们应该指定应该是正数和奇数的内核的宽度和高度。我们还应该分别指定X和Y方向的标准差，sigmaX和sigmaY。如果只指定sigmaX，则sigmaY与sigmaX相同。如果两者都是零，则它们是从内核大小计算的。
如果你愿意，你可以用函数cv.getGaussianKernel（）创建一个高斯内核。

1， 给一张图片增加高斯噪声

def gaussian_noise(image):
    h, w, c = image.shape
    for row in range(0, h):
        for col in range(0, w):
            noise = np.random.normal(0, 20, 3)
            b = image[row, col, 0]  # blue
            g = image[row, col, 1]  # green
            r = image[row, col, 2]  # red
            image[row, col, 0] = clamp(b + noise[0])
            image[row, col, 1] = clamp(g + noise[1])
            image[row, col, 2] = clamp(r + noise[2])
    cv.imshow("noise image", image)
1
2
3
4
5
6
7
8
9
10
11
12

2， 对一张图片进行高斯模糊：

dst = cv.GaussianBlur(src=src, ksize=(5, 5), sigmaX=0)
1

其中各参数所表达的意义：
	src：原图像；
	ksize：高斯核的大小，其中的数值必须为正奇数
	sigmaX：x方向标准方差
高斯模糊应用场景：去高斯噪声
1
2
3
4
5

Tips：
保证像素值在0——255之间

def clamp(pv):  # 保证像素值在0——255之间
    if pv > 255:
        return 255
    if pv < 0:
        return 0
    else:
        return pv
1
2
3
4
5
6
7