cv2.GaussianBlur函数的实现

cv2.GaussianBlur函数的实现基于高斯卷积的原理，其具体实现步骤如下：

1.根据高斯核的大小和标准差生成高斯核：

sigma = 1
ksize = (5, 5)
kernel = cv2.getGaussianKernel(ksize[0], sigma)
kernel = np.dot(kernel, kernel.T)

其中，sigma表示高斯核的标准差，ksize表示高斯核的大小，kernel表示生成的高斯核。

2.对输入图像进行边界扩充：

border = ksize[0] // 2
img = cv2.copyMakeBorder(src, border, border, border, border, cv2.BORDER_DEFAULT)

其中，border表示边界宽度，cv2.copyMakeBorder函数可以对图像进行边界扩充。

3.对图像进行卷积操作：

dst = np.zeros_like(img)
for i in range(border, img.shape[0] - border):
    for j in range(border, img.shape[1] - border):
        dst[i, j] = np.sum(kernel * img[i - border:i + border + 1, j - border:j + border + 1])
dst = dst[border:dst.shape[0] - border, border:dst.shape[1] - border]

其中，dst表示输出图像，np.zeros_like函数创建一个与输入图像大小相同的全黑图像，然后对图像进行卷积操作，最后截取中间部分得到输出图像。

完整代码如下：

import cv2
import numpy as np

img = cv2.imread('image.jpg')

sigma = 1
ksize = (5, 5)
kernel = cv2.getGaussianKernel(ksize[0], sigma)
kernel = np.dot(kernel, kernel.T)

border = ksize[0] // 2
img = cv2.copyMakeBorder(img, border, border, border, border, cv2.BORDER_DEFAULT)

dst = np.zeros_like(img)
for i in range(border, img.shape[0] - border):
    for j in range(border, img.shape[1] - border):
        dst[i, j] = np.sum(kernel * img[i - border:i + border + 1, j - border:j + border + 1])
dst = dst[border:dst.shape[0] - border, border:dst.shape[1] - border]

cv2.imshow('Original', img)
cv2.imshow('Gaussian Filter', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

该代码与使用cv2.GaussianBlur函数的效果相同，但是是手动实现高斯滤波的过程，可以更好地理解高斯滤波的原理和实现过程。