cv2.GaussianBlur 代码

在OpenCV中，`cv2.GaussianBlur()` 函数通常用于对图像进行高斯模糊处理，其基本用法如下：

import cv2
import numpy as np

# 加载图片
image = cv2.imread('image.jpg', cv2.IMREAD_COLOR)

# 定义模糊核（一般选择奇数，比如5x5或7x7）
kernel_size = (5, 5)

# 设置高斯核的标准差，σ。σ越大，模糊越强；σ越小，模糊越细腻
sigmaX = sigmaY = 0.5  # 对于方向不变的模糊，可以设置为相同的值

# 应用高斯模糊
blurred_image = cv2.GaussianBlur(image, kernel_size, sigmaX)

# 显示原图和模糊后的图
cv2.imshow("Original Image", image)
cv2.imshow("Blurred Image", blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先读取一张图片，然后指定一个5x5的高斯核，以及标准差σ。`cv2.GaussianBlur()`会遍历整个图像，用每个像素周围的像素值加权平均计算出新的像素值，以实现平滑效果。最后显示原始图像和模糊后的图像。

相关问题

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。

cv2.GaussianBlur具体实现

cv2.GaussianBlur是OpenCV中实现高斯滤波的函数，具体实现步骤如下：

1.导入相关库：

import cv2
import numpy as np

2.读取图像：

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

3.使用cv2.GaussianBlur函数：

gaussian_img = cv2.GaussianBlur(img, (5, 5), 0)

其中，(5, 5)表示高斯核的大小，0表示高斯核的标准差，如果为0，则函数会自动计算。

4.显示原始图像和处理后的图像：

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

完整代码如下：

import cv2
import numpy as np

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

gaussian_img = cv2.GaussianBlur(img, (5, 5), 0)

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

运行后即可看到原始图像和处理后的图像。