opencv-python-cv2.GaussianBlur（）函数介绍

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。

语法：cv2.GaussianBlur(src, ksize, sigmaX, sigmaY, borderType)-> dst

——src输入图像。
——dst输出图像的大小和类型与src相同。
——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sigmaX和sigmaY计算得出。
——sigmaX X方向上的高斯核标准偏差。
——sigmaY Y方向上的高斯核标准差；如果sigmaY为零，则将其设置为等于sigmaX；如果两个sigmas为零，则分别从ksize.width和ksize.height计算得出；为了完全控制结果，而不管将来可能对所有这些语义进行的修改，建议指定所有ksize，sigmaX和sigmaY。

import numpy as np
import cv2
img = cv2.imread('./12.jpg')
img = cv2.resize(img, None, fx=0.5, fy=0.5,
                  interpolation=cv2.INTER_CUBIC)#调整图片大小
cv2.imshow('Original', img)
blur_image = cv2.GaussianBlur(img, (5, 5), 0)#(5, 5)表示高斯矩阵的长与宽都是5，标准差取0
cv2.imshow('Blurred Image', blur_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

可以看到左边的是原始图像，右边的是高斯模糊图像。

在cv2.GaussianBlur（）方法中，定义内核的宽度和高度，该宽度和高度应为正数和奇数，它将返回模糊的图像。可以更改函数参数的值并观察输出。