OpenCV3.3+Python3.6实现图片高斯模糊_Python

本文实例为大家分享了opencv3.3+python3.6实现图片高斯模糊的具体代码，供大家参考，具体内容如下

高斯模糊

高斯模糊（英语：gaussian blur），通常用它来减少图像噪声以及降低细节层次。这种模糊技术生成的图像，其视觉效果就像是经过一个半透明屏幕在观察图像，这与镜头焦外成像效果散景以及普通照明阴影中的效果都明显不同。高斯模糊也用于计算机视觉算法中的预先处理阶段，以增强图像在不同比例大小下的图像效果（参见尺度空间表示以及尺度空间实现）。从数学的角度来看，图像的高斯模糊过程就是图像与正态分布做卷积。由于正态分布又叫作高斯分布，所以这项技术就叫作高斯模糊。图像与圆形方框模糊做卷积将会生成更加精确的焦外成像效果。由于高斯函数的傅立叶变换是另外一个高斯函数，所以高斯模糊对于图像来说就是一个低通滤波器。

高斯模糊原理： “模糊”，就是将图像中每个像素值进行重置的过程，这个过程采用将每一个像素都设置成周边像素的平均值。

				?

									# 高斯模糊

									#     高斯模糊

									#     操作

									#     cv2.gaussianblur(image, (135, 135), 0)  #(5, 5)表示高斯矩阵（高斯内核）的长与宽都是5（必须为奇数），标准差取0

									import cv2

									import numpy as np

									def clamp(pv):  #保证 rgb三色值的数值不超过255

									    if pv>255:

									        return 255

									    if pv<0:

									        return 0

									    else:

									        return pv

									def gaussian_noise(image):  #给图片加一些噪声，高斯噪声

									    h, w, c = image.shape  #获取三个值，高度、宽度、深度

									    for row in range(h):  #在宽度、 高度中遍历进行像素点rgb的赋值

									        for col in range(w):

									            s=np.random.normal(0, 20, 3)  #获取随机数  3个数的数组

									            b = image[row, col, 0]  # blue   原来的蓝色值

									            g = image[row, col, 1]  # green

									            r = image[row, col, 2]  # red

									            image[row, col, 0] = clamp(b + s[0])  #加上处理赋值

									            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()#获取时间值

									gaussian_noise(src)

									t2=cv2.gettickcount()#获取时间值

									time=(t2-t1)/cv2.gettickfrequency()#计算出时间（s）

									print("所用时间:%s"%(time*1000))

									dst = cv2.gaussianblur(src, (2555,2555), 15)#进行高斯模糊处理

									cv2.imshow("gauss_blur",dst)

									cv2.waitkey(0)

									cv2.destroyallwindows()