技術標籤：opencvpython計算機視覺

OpenCV中高斯噪音的生成和高斯濾波的使用

關鍵是高斯濾波函式的引數意義。
高斯濾波的數學理論基礎是二維正態分佈函式（又稱高斯函式，所以得名）

程式碼實現：

import cv2
import numpy as np
#高斯噪音的生成和高斯濾波的使用
img = cv2.imread('cat.jpg')
cv2.imshow('img',img)
h,w,ch = img.shape

def clamp(num): #對隨機數進行操作
    if num>255:
        return 255
    elif num<
 
0:
        return 0
    else:
        return num


#生成高斯噪音
for row in range(h):
    for col in range(w):
        s = np.random.normal(0,20,3) #生成3個隨機引數，0為均值，20為標準差
        b = img[row,col,0]
        g = img[row,col,1]
        r = img[row,col,2]
        img[row, col, 0] = b + clamp(s[0])
        img[row, col,
 
 1] = g + clamp(s[1])
        img[row, col, 2] = r + clamp(s[2])
cv2.imshow('GaussianNoise',img)

#高斯濾波 
# 引數解釋：img為處理物件（5,5）為高斯核心大小，0為高斯核函式（就是二維正態分佈函式）x方向的標準差，1為高斯核函式y方向的標準差
img = cv2.GaussianBlur(img,(5,5),0,1)

cv2.imshow('GaussianBlur',img)
cv2.waitKey()

執行結果：