python图像模糊代码

要对图像进行模糊处理，可以使用Python中的OpenCV库。下面是一个示例代码，演示了如何对图像进行高斯模糊：

import cv2

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

# 对图像进行高斯模糊
blurred = cv2.GaussianBlur(image, (5, 5), 0)

# 显示原始图像和模糊后的图像
cv2.imshow("Original Image", image)
cv2.imshow("Blurred Image", blurred)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先使用`cv2.imread()`函数读取一张图像。然后，我们使用`cv2.GaussianBlur()`函数对图像进行高斯模糊处理。这个函数接受三个参数：输入图像、卷积核的大小（这里是5x5），以及标准差（0表示根据卷积核大小自动计算）。最后，通过`cv2.imshow()`函数显示原始图像和模糊后的图像。

请确保将示例代码中的'image.jpg'替换为你要处理的实际图像路径。

相关问题

python 图像模糊检测代码

图像模糊检测可以使用图像处理库中的模糊度检测函数来实现。下面是一个使用OpenCV库中Laplacian算子进行图像模糊检测的示例代码：

import cv2

# 定义模糊度检测函数
def detect_blur(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    laplacian_var = cv2.Laplacian(gray, cv2.CV_64F).var()
    return laplacian_var

# 读取图像
image = cv2.imread("test.jpg")

# 检测模糊度
blur = detect_blur(image)

# 输出模糊度结果
if blur < 100:
    print("图像模糊")
else:
    print("图像清晰")

以上代码中，`detect_blur`函数使用Laplacian算子检测图像的模糊度，返回Laplacian算子计算结果的方差。在主函数中，读取待检测的图像并调用`detect_blur`函数，将返回的模糊度结果与100进行比较，若模糊度小于100，则认为图像模糊，否则认为图像清晰。

python 图像移动模糊代码

以下是一个简单的 Python 代码实现图像移动模糊：

import cv2

img = cv2.imread('image.jpg')  # 读入图像
kernel_size = 15  # 设置核大小
kernel_h = cv2.getGaussianKernel(kernel_size, 0)  # 得到核
kernel_w = kernel_h.T  # 转置得到横向核
kernel = kernel_h * kernel_w  # 得到最终核

# 进行卷积操作
img_blur = cv2.filter2D(img, -1, kernel)

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Blurred Image', img_blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

在代码中，我们首先读入一张图像，然后设置核大小并使用 `cv2.getGaussianKernel()` 函数得到一个高斯核。接着，我们将横向核转置得到纵向核，并将其相乘得到最终的核。最后，我们使用 `cv2.filter2D()` 函数将得到的核应用于图像上，得到移动模糊效果，并显示结果。