c语言调用opencv中的高斯滤波

可以使用以下代码实现：

#include <stdio.h>
#include <opencv2/opencv.hpp>

using namespace cv;

int main(int argc, char** argv)
{
Mat src, dst;
src = imread("input.jpg");
if (!src.data)
{
printf("could not load image");
return -1;
}
namedWindow("src", WINDOW_NORMAL);
namedWindow("dst", WINDOW_NORMAL);

GaussianBlur(src, dst, Size(5, 5), 0, 0);

imshow("src", src);
imshow("dst", dst);

waitKey(0);
return 0;
}

注意：需要将 opencv 安装到系统中，并将 opencv 库文件链接到编译器中。

相关问题

opencv python 高斯滤波

OpenCV是一个开源的计算机视觉库，提供了丰富的图像处理和计算机视觉算法。其中，高斯滤波是OpenCV中常用的图像平滑处理方法之一。

高斯滤波是一种线性平滑滤波器，它通过对图像中的每个像素点进行加权平均来实现平滑效果。该滤波器使用一个高斯核函数，该函数在中心点附近具有较高的权重，而在边缘部分权重逐渐减小。这样可以有效地去除图像中的噪声，并保留图像的边缘信息。

在OpenCV中，可以使用cv2.GaussianBlur()函数来实现高斯滤波。该函数接受以下参数：
- src：输入图像
- ksize：高斯核大小，必须是正奇数（例如，3、5、7...）
- sigmaX：X方向上的高斯核标准差
- sigmaY：Y方向上的高斯核标准差（如果为0，则默认与sigmaX相同）

下面是一个示例代码，演示如何在Python中使用OpenCV进行高斯滤波：

import cv2

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

# 高斯滤波
blurred = cv2.GaussianBlur(image, (5, 5), 0)

# 显示原始图像和滤波后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Blurred Image', blurred)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述示例中，我们首先使用cv2.imread()函数读取图像，然后使用cv2.GaussianBlur()函数对图像进行高斯滤波。最后，使用cv2.imshow()函数显示原始图像和滤波后的图像。

python opencv实现高斯滤波代码

以下是Python OpenCV实现高斯滤波的代码示例：

import cv2

# 加载图像
img = cv2.imread('input.jpg')

# 定义高斯内核大小和标准差
ksize = (5,5)
sigma = 1.5

# 对图像进行高斯滤波
dst = cv2.GaussianBlur(img, ksize=ksize, sigmaX=sigma, sigmaY=sigma)

# 显示滤波结果
cv2.imshow('Gaussian Filter', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们使用OpenCV库来加载和显示图像，并使用`cv2.GaussianBlur`函数对图像进行高斯滤波。函数的参数包括输入图像、高斯内核大小、标准差。然后，我们在窗口中显示滤波结果。