python实现高斯滤波

一，定义

核是：3 *3     均值滤波

 二，高斯函数

 Y方向的方差与X方向的一致。处理后图像看起来更模糊（滤波明显）的话，核要更大。

（三）代码实现

 （四）核计算

 （五）图像产生高斯噪声循环代码实现

def clamp(pv):　　#使我们的随机值在0-255之间
    if pv > 255:
        return 255
    if pv < 0:
        return 0
    return pv
import cv2 as cv
import numpy as np

def gaussian_noise(image):  #对图像加上高斯噪声
    h,w,c = image.shape
    for row in range(h):　　#十分耗时
        for col in range(w):
            s = np.random.normal(0,20,3)　　#产生3个随机值，符合正态分布，第一个参数是概率分布的均值，对应分布中心，，第二个是概率分布的标准差，越小越瘦高，第三个是输出的值个数
            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")  #读取图片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #创建GUI窗口,形式为自适应
cv.imshow("input image",src)    #通过名字将图像
gaussian_noise(src)

cv.waitKey(0)   #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows()  #销毁所有窗口

 （六）使用高斯模糊处理高斯噪声（发现高斯噪声的影响不大，高斯模糊对其有抑制作用）

gaussian_noise(src) #修改原图为高斯噪声图
dst = cv.GaussianBlur(src,(5,5),15)
cv.imshow("GaussianBlur",dst)

 参考：

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