medianBllur/GaussianBlur特点

medianBlur和GaussianBlur是图像处理中常用的模糊滤波算法，它们可以用于图像去噪和平滑处理。它们的特点如下：

1. medianBlur（中值滤波）特点：
- 中值滤波是一种非线性滤波方法，它将每个像素的值替换为邻域内像素值的中值。
- 中值滤波对于去除椒盐噪声和脉冲噪声效果较好，能够保持图像的边缘信息。
- 中值滤波不会引入新的像素值，因此可以保持图像的整体亮度和对比度。

2. GaussianBlur（高斯滤波）特点：
- 高斯滤波是一种线性平滑滤波方法，它使用高斯函数作为权重来计算每个像素的值。
- 高斯滤波通过对邻域内像素进行加权平均来实现平滑效果，权重由高斯函数决定。
- 高斯滤波可以有效地去除高频噪声，同时保持图像的整体平滑性。

相关问题

请使用 function GaussianBlur举出使用GaussianBlur的示例

GaussianBlur函数通常用于图像处理中，它是一种高斯模糊滤镜，可以平滑图片并减少细节，使其看起来更柔和。这是一个简单的Python OpenCV库（cv2）中GaussianBlur函数的使用示例：

import cv2
import numpy as np

# 加载一张图片
img = cv2.imread('example.jpg')

# 定义高斯核的大小（通常是个奇数，例如5、7或9），标准差（sigma）
kernel_size = 5
blurred_sigma = 3

# 应用Gaussian Blur
blurred_img = cv2.GaussianBlur(img, (kernel_size, kernel_size), blurred_sigma)

# 显示原图和模糊后的图像
cv2.imshow("Original Image", img)
cv2.imshow("Blurred Image", blurred_img)

# 等待用户按键，然后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先读取一张图片，然后应用GaussianBlur函数，传入图像、核的尺寸以及标准差作为参数。最后显示原始图像和模糊后的结果。

Gaussianblur

GaussianBlur函数是OpenCV库中用于实现高斯模糊的函数。它基于高斯核对图像进行滤波操作，通过对每个像素点周围区域像素的加权平均来实现模糊效果。该函数可以接收两个参数sigmaX和sigmaY，分别表示X和Y方向上的高斯核标准差。如果sigmaX和sigmaY没有传入参数，则会根据ksize来自动计算sigma值。

具体的高斯模糊过程如下：
1. 根据传入的sigmaX和sigmaY（或者根据ksize计算得到的sigma值），使用getGaussianKernel函数计算得到对应的一维高斯核。
2. 将得到的一维高斯核分别应用于图像的行和列，进行一维卷积操作。
3. 将行和列的卷积结果相乘，得到最终的二维高斯滤波结果。