Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。

基础知识铺垫

看到一种说法，解释高斯模糊的比较简单，高斯模糊是带加权的均值模糊。

大概解释如下：

高斯模糊实质上就是一种均值模糊，只是高斯模糊是按照加权平均的，距离越近的点权重越大，距离越远的点权重越小。

通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。

不过阅读起来还是比较费劲的，这种情况，有两种学习方式

第一种，去死磕线性代数，研究卷积算法

第二种，先放一下，因为目前高斯模糊的应用场景，还未完全明确，可以日后用到这部分知识，在进行学习，橡皮擦选择第二种。

高斯模糊在美颜软件上挺常见的，专业图片处理工具也一定有，主要用在磨皮与毛玻璃效果上。

关于高斯模糊，还真找到一篇不错的博客，可以参考(建议在新选项卡打开，对照着学习)。

寻找资料的时候，还发现一个大佬关于高斯模糊的解释，可以参考。

函数原型介绍

高斯模糊(Gaussian Blur)

函数原型如下：

dst = cv2.GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)

参数说明：

src：原图像；

ksize： 高斯核的大小，格式为(width, height)，其中 width 和 height 可以不同，两者都是正奇数；如果设为 0，则根据 sigma 得到；

sigmaX： X 方向的高斯核标准差；

sigmaY： Y 方向的高斯核标准差，如果 sigmaY 设为 0，则与 sigmaX 相等，如果两者都为 0，则可以根据 ksize 来计算得到；

测试代码如下：

import cv2

import numpy as np

img = cv2.imread('test.jpg')

# dst = cv2.GaussianBlur(img,ksize=(5,5),sigmaX=0,sigmaY=0)

# 创建毛玻璃特效

# 参数2：高斯核的宽和高(建议是奇数)

# 参数3：x和y轴的标准差

dst = cv2.GaussianBlur(img, (5, 5), 0)

cv2.imshow('dst', dst)

cv2.waitKey()

运行效果与原图对比：

你可以继续修改参数值，高斯核尺寸和标准差越大，处理后的图片越模糊

dst1 = cv2.GaussianBlur(img, (5, 5), 0.5)

dst2 = cv2.GaussianBlur(img, (5, 5), 1.5)

dst3 = cv2.GaussianBlur(img, (9, 9), 1.5)

cv2.imshow('dst1', dst1)

cv2.imshow('dst2', dst2)

cv2.imshow('dst3', dst3)

橡皮擦的小节

本系列博客为学习之旅，部分概念在没有学到，或者必须彻底掌握前，不做扩展学习。保持每天 1 个小时的学习时间即可。

1 个小时又过去了，对 Python OpenCV 相关的知识点，你掌握了吗？

做为初学者，还有很多地方学习的不深入，希望你与我一起坚持下去。

相关阅读

今天是持续写作的第 62 / 100 天。

如果你有想要交流的想法、技术，欢迎在评论区留言。

如果你想跟博主建立亲密关系，可以关注博主，或者关注博主公众号 “非本科程序员”，了解一个非本科程序员是如何成长的。

博主 ID：梦想橡皮擦，希望大家点赞、评论、收藏

本文同步分享在 博客“梦想橡皮擦”(CSDN)。

如有侵权，请联系 support@oschina.cn 删除。

本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。