高斯滤波opencv（高斯滤波,均值滤波,中值滤波）

## 高斯滤波：使用 OpenCV 进行图像模糊### 简介 高斯滤波是一种广泛用于图像处理中的线性滤波器，可用于模糊图像、减少噪声并平滑图像特征。### 操作原理 高斯滤波器使用高斯分布作为卷积核，该分布是一个钟形曲线，随着距离中心的增加而指数衰减。卷积操作通过将高斯核与输入图像相乘并求和来执行，得到模糊后的输出图像。### 优点

平滑图像并减少噪声

保留图像的边缘和特征

计算高效### 在 OpenCV 中实现高斯滤波

1. 加载图像

```python import cv2image = cv2.imread('image.jpg') ```

2. 应用高斯滤波

```python # 设定高斯核大小 (必须为奇数) kernel_size = 5# 设置标准差 sigma = 1.0# 应用高斯滤波 blurred_image = cv2.GaussianBlur(image, (kernel_size, kernel_size), sigma) ```

3. 显示结果图像

```python cv2.imshow('Original Image', image) cv2.imshow('Blurred Image', blurred_image) cv2.waitKey(0) cv2.destroyAllWindows() ```### 参数

kernel_size:

高斯核的大小（宽度和高度）

sigma:

高斯分布的标准差，控制滤波程度### 应用 高斯滤波在许多图像处理任务中都很有用，包括：

图像模糊

噪声去除

边缘检测

特征提取

高斯滤波：使用 OpenCV 进行图像模糊

简介 高斯滤波是一种广泛用于图像处理中的线性滤波器，可用于模糊图像、减少噪声并平滑图像特征。

操作原理 高斯滤波器使用高斯分布作为卷积核，该分布是一个钟形曲线，随着距离中心的增加而指数衰减。卷积操作通过将高斯核与输入图像相乘并求和来执行，得到模糊后的输出图像。

优点 * 平滑图像并减少噪声 * 保留图像的边缘和特征 * 计算高效

在 OpenCV 中实现高斯滤波 **1. 加载图像** ```python import cv2image = cv2.imread('image.jpg') ```**2. 应用高斯滤波** ```python

设定高斯核大小 (必须为奇数) kernel_size = 5

设置标准差 sigma = 1.0

应用高斯滤波 blurred_image = cv2.GaussianBlur(image, (kernel_size, kernel_size), sigma) ```**3. 显示结果图像** ```python cv2.imshow('Original Image', image) cv2.imshow('Blurred Image', blurred_image) cv2.waitKey(0) cv2.destroyAllWindows() ```

参数 * **kernel_size:** 高斯核的大小（宽度和高度） * **sigma:** 高斯分布的标准差，控制滤波程度

应用 高斯滤波在许多图像处理任务中都很有用，包括：* 图像模糊 * 噪声去除 * 边缘检测 * 特征提取