opencv 高斯滤波

OpenCV提供了GaussianBlur()函数用于实现高斯滤波。该函数接受输入图像、卷积核的大小、sigmaX和sigmaY等参数，并返回滤波后的图像。具体的函数原型为：
cv2.GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT)

通过该函数，OpenCV会根据传入的sigmaX和sigmaY参数生成对应的一维卷积核。如果sigmaX和sigmaY未传入参数，则会使用ksize计算得到。接着，OpenCV会将生成的卷积核分别应用于图像的行和列进行卷积操作。最后，对卷积结果进行归一化处理，得到高斯滤波后的图像。

为了验证这个过程，可以使用以下代码：
image_ori = cv2.imread('car.png')
image_gray = cv2.cvtColor(image_ori, cv2.COLOR_BGR2GRAY)
image1 = cv2.GaussianBlur(image_gray, (3,3), 0.8, 0.8)
image2 = cv2.sepFilter2D(image_gray, -1, cv2.getGaussianKernel(3, 0.8), cv2.getGaussianKernel(3, 0.8))
print(image1==image2)

在这段代码中，首先读取输入图像，并将其转换为灰度图像。然后，分别使用GaussianBlur()函数和sepFilter2D()函数实现高斯滤波，并将结果保存在image1和image2中。最后，使用print语句比较image1和image2是否相等。

通过以上步骤，可以验证OpenCV中高斯滤波的实现过程。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [opencv高斯滤波GaussianBlur()详解(sigma取值)](https://blog.csdn.net/wuqindeyunque/article/details/103694900)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [opencv学习(二十)之高斯滤波GaussianBlur()](https://blog.csdn.net/keith_bb/article/details/54412493)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]