高斯滤波

import cv2
o=cv2.imread("C:/Users/xpp/Desktop/Lena.png")#原始图像
r=cv2.GaussianBlur(o,(5,5),0,0)#高斯滤波
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

算法：高斯滤波将中心的权重值增加，远离中心点的权重值减小，在此基础上计算邻域内各个像素值不同权重的和。

dst=cv2.GaussianBlur(src, ksize, sigmaX, sigmaY, borderType)

• dst表示返回值，表示进行高斯滤波后得到的结果
• src表示输入图像，图像深度是CV_8U、CV_16U、CV_16S、CV_32F、CV_64F
• ksize表示滤波核的大小，即邻域图像的高度和宽度
• sigmaX表示卷积核在水平方向上（X轴方向）的标准差，其控制的是权重比例
• sigmaY表示卷积核在垂直方向上（Y轴方向）的标准差，可选参数
• borderType表示边界样式，可选参数

其中，

sigmaX=0.3x[(ksize.width-1)x0.5-1]+0.8

sigmaY=0.3x[(ksize.height-1)x0.5-1]+0.8

例子：

data=[(40x0.05+107x0.1+5x0.05)+(198x0.1+226x0.4+223x0.1)+(37x0.05+68x0.1+193x0.05)]=163.75≈164

注意：滤波核的值必须是奇数，滤波核越大，计算量越大，没有进行归一化处理的卷积核进行滤波，得到的结果往往是错误的。如果将sigmaY设置为0则采用sigmaX的值；如果将sigmaX和sigmaY都设置为0，则通过ksize.width和ksize.height计算得到。