如何使用OpenCV和Python实现图片高斯模糊

本篇内容介绍了“如何使用OpenCV和Python实现图片高斯模糊”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

高斯模糊

高斯模糊（英语：Gaussian Blur），通常用它来减少图像噪声以及降低细节层次。这种模糊技术生成的图像，其视觉效果就像是经过一个半透明屏幕在观察图像，这与镜头焦外成像效果散景以及普通照明阴影中的效果都明显不同。高斯模糊也用于计算机视觉算法中的预先处理阶段，以增强图像在不同比例大小下的图像效果（参见尺度空间表示以及尺度空间实现）。 从数学的角度来看，图像的高斯模糊过程就是图像与正态分布做卷积。由于正态分布又叫作高斯分布，所以这项技术就叫作高斯模糊。图像与圆形方框模糊做卷积将会生成更加精确的焦外成像效果。由于高斯函数的傅立叶变换是另外一个高斯函数，所以高斯模糊对于图像来说就是一个低通滤波器。

高斯模糊原理： “模糊”，就是将图像中每个像素值进行重置的过程，这个过程采用将每一个像素都设置成周边像素的平均值。 

# 高斯模糊 #     高斯模糊 #     操作 #     cv2.GaussianBlur(image, (135, 135), 0)  #(5, 5)表示高斯矩阵（高斯内核）的长与宽都是5（必须为奇数），标准差取0   import cv2 import numpy as np   def clamp(pv):  #保证 RGB三色值的数值不超过255     if pv>255:         return 255     if pv<0:         return 0     else:         return pv   def gaussian_noise(image):  #给图片加一些噪声，高斯噪声     h, w, c = image.shape  #获取三个值，高度、宽度、深度     for row in range(h):  #在宽度、 高度中遍历进行像素点RGB的赋值         for col in range(w):             s=np.random.normal(0, 20, 3)  #获取随机数  3个数的数组             b = image[row, col, 0]  # blue   原来的蓝色值             g = image[row, col, 1]  # green             r = image[row, col, 2]  # red             image[row, col, 0] = clamp(b + s[0])  #加上处理赋值             image[row, col, 1] = clamp(g + s[1])             image[row, col, 2] = clamp(r + s[2])     cv2.imshow("Gauss_noise", image)   print("--------Hello Python--------") src=cv2.imread("lena.jpg") cv2.imshow("Source Image",src) t1=cv2.getTickCount()#获取时间值 gaussian_noise(src) t2=cv2.getTickCount()#获取时间值 time=(t2-t1)/cv2.getTickFrequency()#计算出时间（s） print("所用时间:%s"%(time*1000))   dst = cv2.GaussianBlur(src, (2555,2555), 15)#进行高斯模糊处理 cv2.imshow("Gauss_blur",dst)   cv2.waitKey(0) cv2.destroyAllWindows()

“如何使用OpenCV和Python实现图片高斯模糊”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！