OpenCV教程-OpenCV模糊（图像平滑）
模糊是图像处理中常用的技术，用于去除噪音。通常用于消除图像中的高频内容，如噪音和边缘。当我们对图像应用模糊时，边缘会变得模糊。模糊的优点如下：
模糊的优点
模糊的好处如下：
- 它去除低强度的边缘。
- 它有助于平滑图像。
- 在隐藏细节方面很有用；例如，在许多情况下需要模糊，比如警察故意要隐藏受害者的面孔。
OpenCV主要提供以下类型的模糊技术。
OpenCV均值模糊
在这种技术中，图像与一个框滤波器（归一化）进行卷积。它计算在核区域下所有像素的平均值，并用计算得到的平均值替换中心元素。OpenCV提供cv2.blur()或cv2.boxFilter()来执行此操作。我们应该定义核的宽度和高度。cv2.blur()函数的语法如下。
cv2.blur(src, dst, ksize, anchor, borderType) 参数:
src - 它表示源（输入）图像。
dst - 它表示目标（输出）图像。
ksize - 它表示核的大小。
anchor - 它表示锚点。
borderType - 它表示要用于输出的边界类型。
考虑以下例子：
im = cv2.imread(r'C:\Users\DEVANSH SHARMA\cat_16x9.jpg')
cv2.imshow('Original Image',im)
cv2.imshow('Blurred Image', cv2.blur(im, (3,3)))
cv2.waitKey(0)
cv2.destroyAllWindows() 输出
OpenCV中值模糊
中值模糊操作与高斯模糊非常相似。OpenCV提供了medianBlur()函数来执行模糊操作。它取核区域下所有像素的中值，并用这个中值替换中心元素。对于图像中的椒盐噪声，它非常有效。核大小应该是一个正奇数。以下是该方法的语法。
cv2.medianBlur(src, dst, ksize) 参数:
src - 它表示源（输入）图像。
dst - 它表示目标（输出）图像。
ksize - 它表示核的大小。
考虑以下例子：
import cv2
import numpy
# read image
img = cv2.imread(r'C:\Users\DEVANSH SHARMA\cat_16x9.jpg', 1)
# apply gaussian blur on src image
dst = median = cv2.medianBlur(img,5)
# display input and output image
cv2.imshow("Gaussian Smoothing", numpy.hstack((src, dst)))
cv2.waitKey(0) # waits until a key is pressed
cv2.destroyAllWindows() # destroys the window showing image 输出
OpenCV高斯模糊
图像平滑是一种减少图像中噪声的技术。由于相机传感器，图像可能包含各种类型的噪声。它基本上消除了图像中的高频内容（噪声，边缘），因此在此操作中边缘略微模糊。OpenCV提供gaussianblur()函数来对图像进行平滑处理。语法如下：
dst=cv2.GuassiasBlur(src, ksize, sigmaX[,dst[,sigmaY[, borderType=BORDER_DEFAULT]]] 参数:
- src - 用于输入图像。
- dst - 用于存储输出图像的变量。
- ksize - 定义高斯核大小[height width]。高度和宽度必须是奇数（1,3,5,...），可以具有不同的值。如果ksize设置为[0,0]，则从sigma值计算ksize。
- sigmaX - 沿X轴的核标准偏差。（水平方向）。
- sigmaY - 沿Y轴的核标准偏差（垂直方向）。如果sigmaY = 0，则取sigmaX值作为sigmaY的值。
borderType - 这些是在对图像边界应用核时指定的图像边界。可能的边界类型是：
- cv.BORDER_CONSTANT
- cv.BORDER_REPLICATE
- cv.BORDER_REFLECT
- cv.BORDER_WRAP
- cv.BORDER_REFLECT_101
- cv.BORDER_TRANSPARENT
- cv.BORDER_REFLECT101
- cv.BORDER_DEFAULT
- cv.BORDER_ISOLATED
考虑以下例子：
import cv2
import numpy
# read image
src = cv2.imread(r'C:\Users\DEVANSH SHARMA\cat_16x9.jpg', 1)
# apply gaussian blur on src image
dst = cv2.GaussianBlur(src, (5, 5), cv2.BORDER_DEFAULT)
# display input and output image
cv2.imshow("Gaussian Smoothing", numpy.hstack((src, dst)))
cv2.waitKey(0) # waits until a key is pressed
cv2.destroyAllWindows() # destroys the window showing image 输出:
