高斯模糊

高斯模糊百度百科链接

import cv2 as cv
import numpy as np


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


def gaussian_noise(image):
    """ 添加高斯噪声 原理是给每一个像素点随机增加一个值 :param image: :return: """
    h, w, c = image.shape
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0, 20, 3)
            b = image[row, col, 0]  # blue
            g = image[row, col, 1]  # green
            r = image[row, col, 2]  # red
            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("img.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

t1 = cv.getTickCount()
gaussian_noise(src)
t2 = cv.getTickCount()
time = (t2 - t1) / cv.getTickFrequency()
print("time consume : %s" % (time * 1000))
""" 函数参数表 GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None) src : 源图像 ksize ：高斯核的大小如Size(3,3)，宽和高都必须为正奇数，越大越模糊。 sigmaX ：高斯核在x方向的标准差。 sigmaY ：高斯核在y方向的标准差（sigmaY=0时，其值自动由sigmaX确定（sigmaY=sigmaX）；sigmaY=sigmaX=0时，它们的值将由ksize.width和ksize.height自动确定） borderType ：边缘的处理类型，默认即可。 """
dst = cv.GaussianBlur(src, (0, 0), 3)
cv.imshow("Gaussian Blur", dst)

cv.waitKey(0)

cv.destroyAllWindows()

效果图

函数说明

函数参数表 GaussianBlur(src, ksize, sigmaX, dst=None,sigmaY=None,borderType=None)

1. src : 源图像
2. ksize ：高斯核的大小如Size(3,3)，宽和高都必须为正奇数，越大越模糊
3. sigmaX ：高斯核在x方向的标准差。
4. sigmaY ：高斯核在y方向的标准差（sigmaY=0时，其值自动由sigmaX确定
5. （sigmaY=sigmaX）；sigmaY=sigmaX=0时，它们的值将由ksize.width和ksize.height自动确定）
6. borderType ：边缘的处理类型，默认即可。

参考博客

GaussianBlur（高斯滤波）
高斯模糊百度百科