如何使用OpenCV和Python實現圖片高斯模糊

本篇內容介紹了“如何使用OpenCV和Python實現圖片高斯模糊”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

高斯模糊

高斯模糊（英語：Gaussian Blur），通常用它來減少圖像噪聲以及降低細節層次。這種模糊技術生成的圖像，其視覺效果就像是經過一個半透明屏幕在觀察圖像，這與鏡頭焦外成像效果散景以及普通照明陰影中的效果都明顯不同。高斯模糊也用于計算機視覺算法中的預先處理階段，以增強圖像在不同比例大小下的圖像效果（參見尺度空間表示以及尺度空間實現）。 從數學的角度來看，圖像的高斯模糊過程就是圖像與正態分布做卷積。由于正態分布又叫作高斯分布，所以這項技術就叫作高斯模糊。圖像與圓形方框模糊做卷積將會生成更加精確的焦外成像效果。由于高斯函數的傅立葉變換是另外一個高斯函數，所以高斯模糊對于圖像來說就是一個低通濾波器。

高斯模糊原理： “模糊”，就是將圖像中每個像素值進行重置的過程，這個過程采用將每一個像素都設置成周邊像素的平均值。 

# 高斯模糊
#     高斯模糊
#     操作
#     cv2.GaussianBlur(image, (135, 135), 0)  #(5, 5)表示高斯矩陣（高斯內核）的長與寬都是5（必須為奇數），標準差取0
 
import cv2
import numpy as np
 
def clamp(pv):  #保證 RGB三色值的數值不超過255
    if pv>255:
        return 255
    if pv<0:
        return 0
    else:
        return pv
 
def gaussian_noise(image):  #給圖片加一些噪聲，高斯噪聲
    h, w, c = image.shape  #獲取三個值，高度、寬度、深度
    for row in range(h):  #在寬度、 高度中遍歷進行像素點RGB的賦值
        for col in range(w):
            s=np.random.normal(0, 20, 3)  #獲取隨機數  3個數的數組
            b = image[row, col, 0]  # blue   原來的藍色值
            g = image[row, col, 1]  # green
            r = image[row, col, 2]  # red
            image[row, col, 0] = clamp(b + s[0])  #加上處理賦值
            image[row, col, 1] = clamp(g + s[1])
            image[row, col, 2] = clamp(r + s[2])
    cv2.imshow("Gauss_noise", image)
 
print("--------Hello Python--------")
src=cv2.imread("lena.jpg")
cv2.imshow("Source Image",src)
t1=cv2.getTickCount()#獲取時間值
gaussian_noise(src)
t2=cv2.getTickCount()#獲取時間值
time=(t2-t1)/cv2.getTickFrequency()#計算出時間（s）
print("所用時間:%s"%(time*1000))
 
dst = cv2.GaussianBlur(src, (2555,2555), 15)#進行高斯模糊處理
cv2.imshow("Gauss_blur",dst)
 
cv2.waitKey(0)
cv2.destroyAllWindows()

“如何使用OpenCV和Python實現圖片高斯模糊”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！