Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。
Python OpenCV
基础知识铺垫函数原型介绍高斯模糊（Gaussian Blur）橡皮擦的小节基础知识铺垫
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；
官方手册查阅
测试代码如下：
import cv2import numpy as npimg = 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
Python 爬虫 100 例教程，超棒的爬虫教程，立即订阅吧Python 爬虫小课，精彩 9 讲
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，可以关注同名公众号 梦想橡皮擦，近距离接触一个逗趣的互联网高级网虫。
博主 ID：梦想橡皮擦，希望大家点赞、评论、收藏。
如果觉得《Python OpenCV 图片高斯模糊》对你有帮助，请点赞、收藏，并留下你的观点哦！
