【OpenCV基础】07. 高斯模糊

07. 高斯模糊

1. 什么是高斯模糊

高斯模糊，顾名思义，就是使用高斯分布（即正态分布）作为卷积权重表的像素平滑方法。

2. 高斯模糊的原理

高斯模糊通过使用高斯分布的钟形曲线作为卷积核的权重分配表，实现了相对于均值模糊、中值模糊更好的降采样表现。这是因为中心点附近像素对中心点像素的关联性随距离而下降，这与高斯分布的特点是高度一致的，所以使用高斯分布为卷积核分配权重，能够得到更好的效果。

import cv2 as cv
import numpy as np


def clamp(pv):
    if pv > 255:
        return 255
    if pv < 0:
        return 0
    else:
        return pv


def gaussian_noise(image):
    h, w, c = image.shape
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0, 20, 3)
            b = image[row, col, 0] #blue
            g = image[row, col, 1] #green
            r = image[row, col, 2] #red
            image[row, col, 0] = clamp(b + s[0])
            image[row, col, 1] = clamp(g + s[1])
            image[row, col, 2] = clamp(r + s[2])
    cv.imshow("noise image", image)



print("--------------Hello Python----------------")
src = cv.imread("F:/tool/PyCharm/pic/test1.jpeg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)


t1 = cv.getTickCount()
gaussian_noise(src)
t2 = cv.getTickCount()
time = (t2 - t1)/cv.getTickFrequency()
print("time consume:%s"%(time * 1000))
dst = cv.GaussianBlur(src, (0, 0), 15)
cv.imshow("Gaussian Blur", dst)

cv.waitKey(0)

cv.destroyAllWindows()