怎么使用OpenCV+Python實(shí)現(xiàn)圖片高斯模糊

# 高斯模糊
#     高斯模糊
#     操作
#     cv2.GaussianBlur(image, (135, 135), 0)  #(5, 5)表示高斯矩陣（高斯內(nèi)核）的長與寬都是5（必須為奇數(shù)），標(biāo)準(zhǔn)差取0
 
import cv2
import numpy as np
 
def clamp(pv):  #保證 RGB三色值的數(shù)值不超過255
    if pv>255:
        return 255
    if pv<0:
        return 0
    else:
        return pv
 
def gaussian_noise(image):  #給圖片加一些噪聲，高斯噪聲
    h, w, c = image.shape  #獲取三個(gè)值，高度、寬度、深度
    for row in range(h):  #在寬度、 高度中遍歷進(jìn)行像素點(diǎn)RGB的賦值
        for col in range(w):
            s=np.random.normal(0, 20, 3)  #獲取隨機(jī)數(shù)  3個(gè)數(shù)的數(shù)組
            b = image[row, col, 0]  # blue   原來的藍(lán)色值
            g = image[row, col, 1]  # green
            r = image[row, col, 2]  # red
            image[row, col, 0] = clamp(b + s[0])  #加上處理賦值
            image[row, col, 1] = clamp(g + s[1])
            image[row, col, 2] = clamp(r + s[2])
    cv2.imshow("Gauss_noise", image)
 
print("--------Hello Python--------")
src=cv2.imread("lena.jpg")
cv2.imshow("Source Image",src)
t1=cv2.getTickCount()#獲取時(shí)間值
gaussian_noise(src)
t2=cv2.getTickCount()#獲取時(shí)間值
time=(t2-t1)/cv2.getTickFrequency()#計(jì)算出時(shí)間（s）
print("所用時(shí)間:%s"%(time*1000))
 
dst = cv2.GaussianBlur(src, (2555,2555), 15)#進(jìn)行高斯模糊處理
cv2.imshow("Gauss_blur",dst)
 
cv2.waitKey(0)
cv2.destroyAllWindows()