import cv2 import numpy as np img=cv2.imread(r"1.png") dst=cv2.blur(img,(3,3)) dst1=cv2.filter2D(img,-1,np.ones((3,3))/3**2) dst2=cv2.GaussianBlur(img,(5,5),-1) kernel=np.ones((6,6))/6**2 dst3=cv2.filter2D(img,-1,kernel,-1) dst4=cv2.medianBlur(img,7) cv2.imshow("juncv",dst) cv2.imshow("junnp",dst1) cv2.imshow("gaocv",dst2) cv2.imshow("gaonp",dst3) cv2.imshow("zhongcv",dst4) cv2.waitKey(0) cv2.destroyAllWindows()给这段代码加上详细的注释

首先，需要说明的是，这段代码使用了 OpenCV 库来对一张图片进行模糊处理，并展示不同的模糊效果。下面是代码的详细注释：

# 导入 OpenCV 库和 NumPy 库
import cv2 
import numpy as np 

# 读取一张图片
img = cv2.imread(r"1.png")

# 进行均值模糊处理，核大小为 3x3
dst = cv2.blur(img, (3, 3))

# 使用自定义的卷积核进行滤波，核大小为 3x3，卷积核的值为 1/9
dst1 = cv2.filter2D(img, -1, np.ones((3, 3)) / 3 ** 2)

# 进行高斯模糊处理，核大小为 5x5，标准差为 -1（自动计算）
dst2 = cv2.GaussianBlur(img, (5, 5), -1)

# 使用自定义的卷积核进行滤波，核大小为 6x6，卷积核的值为 1/36
kernel = np.ones((6, 6)) / 6 ** 2
dst3 = cv2.filter2D(img, -1, kernel, -1)

# 进行中值模糊处理，核大小为 7x7
dst4 = cv2.medianBlur(img, 7)

# 显示不同的模糊效果
cv2.imshow("juncv", dst)   # 均值模糊（OpenCV）
cv2.imshow("junnp", dst1)  # 均值模糊（NumPy）
cv2.imshow("gaocv", dst2)  # 高斯模糊（OpenCV）
cv2.imshow("gaonp", dst3)  # 高斯模糊（NumPy）
cv2.imshow("zhongcv", dst4)  # 中值模糊

# 等待用户按下任意键，关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码主要使用了 OpenCV 库提供的几种模糊处理方法，包括均值模糊、高斯模糊、中值模糊等。其中，均值模糊和高斯模糊使用了 OpenCV 库提供的函数，而自定义的卷积核则使用了 NumPy 库。最后，通过 `cv2.imshow()` 函数展示了不同模糊效果的图片，等待用户按下任意键后关闭窗口。