OpenCV的高斯模糊

本文使用python实现

本文的文字说明全在代码的注解里面,不要担心代码看不懂

高斯函数和图像

代码

import cv2 as cv
import numpy as np


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


def gaussian_noise(image):  # 高斯噪声
    h, w, c = image.shape   # image.shape[0], 图片垂直尺寸；image.shape[1], 图片水平尺寸；image.shape[2], 图片通道数
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0, 20, 3)  # 产生一个正态分布
            '''
            numpy.random.normal(loc=0,scale=1.0,size=shape)
            参数loc(float)：正态分布的均值，对应着这个分布的中心。loc=0说明这一个以Y轴为对称轴的正态分布
            参数scale(float)：正态分布的标准差，对应分布的宽度，scale越大，正态分布的曲线越矮胖，scale越小，曲线越高瘦
            参数size(int 或者整数元组)：输出的shape，默认为None，这里设置为3，表示输出3个值
            '''
            b = image[row, col, 0]  # blue；row高度，col宽度，0表示通道0，蓝色
            g = image[row, col, 1]  # green；1表示通道1，绿色
            r = image[row, col, 2]  # red
            image[row, col, 0] = clamp(b + s[0])    # 在通道0上加上一个高斯噪声
            image[row, col, 1] = clamp(g + s[1])    # 在通道1上加上一个高斯噪声
            image[row, col, 2] = clamp(r + s[2])    # 在通道2上加上一个高斯噪声
    cv.imshow("gaussian_noise image", image)


src = cv.imread("C:/Users/admin/Desktop/1.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

t1 = cv.getTickCount()
gaussian_noise(src)     # 让图片产生高斯噪声
time = (cv.getTickCount()-t1)/cv.getTickFrequency() # 获取前后时间差
print("time:{}".format(time))
dst = cv.GaussianBlur(src, (5, 5), 0)  # opencv的高斯模糊API
'''
def GaussianBlur(src: Any, ksize: Any, sigmaX: Any, dst: Any = None, sigmaY: Any = None, borderType: Any = None)
src：    输入图片，可以使是任意通道数，该函数对通道是独立处理的
ksize：  高斯内核大小。ksize.width和ksize.height允许不相同但他们必须是正奇数。或者等于0，由参数sigma决定。 
sigmaX： 高斯内核在X方向的标准偏差。
sigmaY： 高斯内核在Y方向的标准偏差。如果sigmaY为0，他将和sigmaX的值相同，如果他们都为0，那么他们由ksize.width和ksize.height计算得出。 
borderType：用于判断图像边界的模式。
'''
cv.imshow("Gaussian Blur", dst)
cv.waitKey(0)
cv.destroyAllWindows()

结果