《python+opencv3.3视频教学 基础入门》高斯模糊 笔记

源码：

"""
高斯模糊
"""

import cv2 as cv
import numpy as np


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


# 加入高斯噪声
def gaussian_noise(image):
    h, w, c = image.shape
    for row in range(0, h, 1):
        for col in range(0, w, 1):
            s = np.random.normal(0, 15, 3)
            b = image[row, col, 0]
            g = image[row, col, 1]
            r = image[row, col, 2]
            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)
    return image


print("----------Hello Python-----------")
src = cv.imread("C:/cvtest/0000.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

t1 = cv.getTickCount()
src = gaussian_noise(src)
t2 = cv.getTickCount()
time = (t2 - t1) / cv.getTickFrequency()
print("time consume : %sms"%(time * 1000))

# 给原图加入高斯模糊
# cv2.GaussianBlur()
# Parameters:
#     src: 输入图像；图像可以具有任意数量的通道，这些通道可以独立处理，
#     但深度应为CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。
#     ksize: 高斯内核大小。 ksize.width和ksize.height可以不同，
#     但​​它们都必须为正数和奇数，也可以为零，然后根据sigma计算得出。
#     sigmaX: X方向上的高斯核标准偏差。
#     dst: 与src的大小和类型相同的输出图像。
#     borderType:
dst = cv.GaussianBlur(src, (5, 5), 0)
cv.imshow("Gaussian Blur", dst)

cv.waitKey(0)

cv.destroyAllWindows()