OpenCV中的高斯滤波（Gaussian Blur）是一种常用的图像平滑技术，通过高斯核卷积消除图像中的噪声。以下是详细说明和代码示例：
1. 高斯滤波原理
- 作用：抑制噪声（尤其是高斯噪声），同时保留图像边缘。
- 核心思想：像素值由邻域内像素的加权平均决定，权重服从二维高斯分布（中心点权重最大，远离中心逐渐减小）。
2. OpenCV函数原型
void GaussianBlur(
InputArray src, // 输入图像
OutputArray dst, // 输出图像
Size ksize, // 高斯核大小（宽高为奇数，如3x3、5x5）
double sigmaX, // X方向标准差
double sigmaY = 0, // Y方向标准差（默认=sigmaX）
int borderType = BORDER_DEFAULT // 边界处理方式
);
3. C++代码示例
#include <opencv2/opencv.hpp>
using namespace cv;
int main() {
Mat src = imread("input.jpg", IMREAD_COLOR); // 读取图像
if (src.empty()) {
std::cerr << "Error: Image not found!" << std::endl;
return -1;
}
Mat dst;
GaussianBlur(src, dst, Size(5, 5), 1.5); // 5x5核，sigma=1.5
imshow("Original", src);
imshow("Gaussian Blur", dst);
waitKey(0);
return 0;
}
4. 关键参数说明
- ksize：核尺寸越大，模糊效果越强（但计算量增加）。
- sigma：
sigmaX/Y越大，周围像素影响范围越广。- 若设为0，OpenCV会根据
ksize自动计算sigma。
5. Python等效代码
import cv2
img = cv2.imread("input.jpg")
blurred = cv2.GaussianBlur(img, (5, 5), sigmaX=1.5)
cv2.imshow("Result", blurred)
cv2.waitKey(0)
6. 应用场景
- 预处理：在边缘检测（如Canny）前降噪。
- 美化：皮肤柔化、背景虚化等。
- 去噪：消除传感器噪声或光照不均。
注意事项
- 性能：大核（如15x15）会影响实时性，需权衡效果与速度。
- 边缘处理：建议使用
BORDER_REFLECT或BORDER_CONSTANT避免边界伪影。
如果需要进一步优化或特定场景的用法，可以告诉我具体需求！
内容由零声教学AI助手提供，问题来源于学员提问
