OpenCV中高斯噪音的生成和高斯滤波的使用

OpenCV中高斯噪音的生成和高斯滤波的使用

关键是高斯滤波函数的参数意义。
高斯滤波的数学理论基础是二维正态分布函数（又称高斯函数，所以得名）

代码实现：

import cv2
import numpy as np
#高斯噪音的生成和高斯滤波的使用
img = cv2.imread('cat.jpg')
cv2.imshow('img',img)
h,w,ch = img.shape

def clamp(num): #对随机数进行操作
    if num>255:
        return 255
    elif num<0:
        return 0
    else:
        return num


#生成高斯噪音
for row in range(h):
    for col in range(w):
        s = np.random.normal(0,20,3) #生成3个随机参数，0为均值，20为标准差
        b = img[row,col,0]
        g = img[row,col,1]
        r = img[row,col,2]
        img[row, col, 0] = b + clamp(s[0])
        img[row, col, 1] = g + clamp(s[1])
        img[row, col, 2] = r + clamp(s[2])
cv2.imshow('GaussianNoise',img)

#高斯滤波 
# 参数解释：img为处理对象（5,5）为高斯内核大小，0为高斯核函数（就是二维正态分布函数）x方向的标准差，1为高斯核函数y方向的标准差
img = cv2.GaussianBlur(img,(5,5),0,1)

cv2.imshow('GaussianBlur',img)
cv2.waitKey()

运行结果：