【OpenCV】高斯模糊（基于权重的均值模糊）

1.引言

  上一节讲述了均值模糊、中值模糊、自定义模糊。
  均值模糊有两种方式：基于平均值（均值模糊）、基于权重（高斯模糊）
  高斯模糊去噪效果比均值模糊更好。

2.高斯模糊

2.1 高斯分布

    
          
  上图将高斯滤波，拆分为两个一维的滤波，加快计算。

2.2 高斯模糊cv.GaussianBlur

import cv2 as cv
import numpy as np
def clamp(pv):
    if pv>255:
        return 255
    if pv<0:
        return 0
    else:
        return pv
"给图片添加高斯噪声"
def gaussian_noise(image):
    ''''''
    h,w,h=image.shape
    for row in range(h):
        for col in range(w):
            s=np.random.normal(0,50,3)#产生3个噪声值
            #获取原图像素值
            b=image[row,col,0]#blue
            g = image[row, col, 1]  # green
            r = image[row, col, 2]  # red
            #为原图像素添加噪声
            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)


src=cv.imread(r'D:\Project\Opencv\Learning01\lina.png')

"""高斯模糊"""
gaussian_noise(src)#给图片添加噪声
dst=cv.GaussianBlur(src,(0,0),10)#高斯模糊

cv.imshow("origin image",src)
cv.imshow("Gaussian image",dst)
gaussian_noise(src)

cv.waitKey(0)