python實現高斯濾波

一，定義

核是：3 *3     均值濾波

 二，高斯函數

 Y方向的方差與X方向的一致。處理后圖像看起來更模糊（濾波明顯）的話，核要更大。

（三）代碼實現

 （四）核計算

 （五）圖像產生高斯噪聲循環代碼實現

def clamp(pv):　　#使我們的隨機值在0-255之間
    if pv > 255:
        return 255
    if pv < 0:
        return 0
    return pv
import cv2 as cv
import numpy as np

def gaussian_noise(image):  #對圖像加上高斯噪聲
    h,w,c = image.shape
    for row in range(h):　　#十分耗時
        for col in range(w):
            s = np.random.normal(0,20,3)　　#產生3個隨機值，符合正態分布，第一個參數是概率分布的均值，對應分布中心，，第二個是概率分布的標准差，越小越瘦高，第三個是輸出的值個數
            b = image[row,col,0] #blue
            g = image[row,col,1] #green
            r = image[row,col,2] #red
            image[row,col,0] = clamp(b+s[0])
            image[row,col,1] = clamp(g+s[1])
            image[row,col,2] = clamp(r+s[2])

    cv.imshow("noise image",image)


src = cv.imread("./1.png")  #讀取圖片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #創建GUI窗口,形式為自適應
cv.imshow("input image",src)    #通過名字將圖像
gaussian_noise(src)

cv.waitKey(0)   #等待用戶操作，里面等待參數是毫秒，我們填寫0，代表是永遠，等待用戶操作
cv.destroyAllWindows()  #銷毀所有窗口

 （六）使用高斯模糊處理高斯噪聲（發現高斯噪聲的影響不大，高斯模糊對其有抑制作用）

gaussian_noise(src) #修改原圖為高斯噪聲圖
dst = cv.GaussianBlur(src,(5,5),15)
cv.imshow("GaussianBlur",dst)

 參考：

https://www.cnblogs.com/ssyfj/p/9268492.html