opencv api 高斯blur

OpenCV中的高斯模糊函数是cv2.GaussianBlur()，它可以对图像进行高斯模糊处理。函数的语法如下：

cv2.GaussianBlur(src, ksize, sigmaX[, dst[, sigmaY[, borderType]]])

其中，参数src表示输入图像，ksize表示高斯核的大小，sigmaX和sigmaY表示高斯核在X和Y方向的标准差，参数dst表示输出图像，borderType表示边界填充方式。

下面是一个简单的例子，对一张图片进行高斯模糊处理：

import cv2

img = cv2.imread('test.jpg')
blur = cv2.GaussianBlur(img, (5, 5), 0)
cv2.imshow('Original', img)
cv2.imshow('Gaussian Blur', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们读入了一张名为test.jpg的图片，然后对它进行高斯模糊处理，并将结果显示出来。

相关问题

opencv api

OpenCV是一个开源的计算机视觉库，提供了许多用于图像处理和计算机视觉的API函数。以下是一些OpenCV基础API函数的介绍：

1. 读取和显示图像

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 显示图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 转换图像颜色空间

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

3. 图像平滑处理

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 高斯模糊
blur = cv2.GaussianBlur(img, (5, 5), 0)

# 中值滤波
median = cv2.medianBlur(img, 5)

4. 边缘检测

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# Canny边缘检测
edges = cv2.Canny(img, 100, 200)

5. 轮廓检测

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 3)

6. 特征检测和描述子计算

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 创建SIFT对象
sift = cv2.SIFT_create()

# 检测关键点
kp = sift.detect(img, None)

# 计算描述子
kp, des = sift.compute(img, kp)