python实现cv2.GaussianBlur

下面是一个 Python 实现的例子，使用了 OpenCV 库的 cv2.GaussianBlur 函数进行高斯模糊处理：

import cv2

# 读取图像
img = cv2.imread('example.jpg')

# 高斯模糊处理
img_blur = cv2.GaussianBlur(img, (5, 5), 0)

# 显示原始图像和高斯模糊后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Gaussian Blur Image', img_blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，首先使用 cv2.imread 函数读取了一张图像，然后使用 cv2.GaussianBlur 函数进行高斯模糊处理，其中 (5, 5) 是高斯核的大小，0 是高斯核在 X 方向上的标准差，表示模糊程度。最后使用 cv2.imshow 函数分别显示原始图像和高斯模糊后的图像，cv2.waitKey 函数等待按键事件，cv2.destroyAllWindows 函数关闭所有窗口。

相关问题

请用python实现cv2.GaussianBlur

好的，以下是用Python实现cv2.GaussianBlur的代码：

import cv2

img = cv2.imread('image.jpg') # 读取图片
blur = cv2.GaussianBlur(img, (5, 5), 0) # 进行高斯模糊操作
cv2.imshow('Gaussian Blur', blur) # 展示高斯模糊后的图片
cv2.waitKey(0) # 等待键盘输入
cv2.destroyAllWindows() # 关闭窗口

希望以上代码可以帮到你！

写一个python函数实现cv2.GaussianBlur的功能

下面是一个 Python 函数实现的例子，可以使用 OpenCV 库的 cv2.GaussianBlur 函数进行高斯模糊处理：

import cv2

def gaussian_blur(image, kernel_size=3, sigma=0):
    """
    高斯模糊处理函数
    :param image: 待处理图像
    :param kernel_size: 高斯核大小，默认为 3
    :param sigma: 高斯核在 X 方向上的标准差，表示模糊程度，默认为 0
    :return: 高斯模糊后的图像
    """
    img_blur = cv2.GaussianBlur(image, (kernel_size, kernel_size), sigma)
    return img_blur

在这个例子中，定义了一个名为 `gaussian_blur` 的函数，它接收一个待处理的图像，一个高斯核大小和一个高斯核在 X 方向上的标准差，然后使用 cv2.GaussianBlur 函数进行高斯模糊处理，并返回模糊后的图像。可以根据实际情况调整高斯核大小和标准差的值。

使用这个函数的示例代码如下：

img = cv2.imread('example.png')
img_blur = gaussian_blur(img, kernel_size=5, sigma=0)
cv2.imshow('Gaussian Blur', img_blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个示例代码读入一张名为 `example.png` 的图像，然后使用 `gaussian_blur` 函数进行高斯模糊处理，其中 `kernel_size` 参数设置为 5，`sigma` 参数设置为 0。最后使用 `cv2.imshow` 函数显示模糊后的图像，`cv2.waitKey` 函数等待按键事件，`cv2.destroyAllWindows` 函数关闭所有窗口。