本文通过函数详解和运行示例对cv::GaussianBlur和cv::filter2D()两个函数进行解读，最后综合了两个函数的关系和区别，以帮助大家理解和使用。
目录
cv::GaussianBlur（）
函数详解
cv::GaussianBlur 是 OpenCV 库中的一个函数，用于对图像进行高斯模糊。高斯模糊是一种常见的图像降噪技术，它通过使用高斯函数对图像进行卷积来减少噪声和细节。
函数原型如下：
bash
void cv::GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY, int borderType)
参数解释：
src：输入图像。
dst：输出图像。
ksize：高斯核的大小。它必须是奇数，如 (3, 3), (5, 5), (7, 7) 等。
sigmaX：X方向的标准差。这是高斯核在X方向上的宽度。
sigmaY：Y方向的标准差。这是高斯核在Y方向上的宽度。如果sigmaY为0，则函数会自动根据kernel大小来计算sigmaY，如果sigmaX和sigmaY都为0，那么这两个参数都会被设置为cv::DBL_MAX。如果sigmaY不为0而sigmaX为0，那么sigmaX会被设置为等于sigmaY。
borderType：像素外插法，有默认值。运行示例
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("image.jpg", IMREAD_COLOR); // 读取输入图像
if (image.empty()) {
cout << "无法读取图像文件" << endl;
return -1;
}
Mat blurredImage;
GaussianBlur(image, blurredImage, Size(5, 5), 1.0, 1.0); // 对图像进行高斯模糊处理
imshow("Original Image", image); // 显示原始图像
imshow("Blurred Image", blurredImage); // 显示模糊后的图像
waitKey(0); // 等待按键
return 0;
}在这个示例中，我们首先读取一个图像文件，然后使用 cv::GaussianBlur() 对其进行高斯模糊处理。注意，在调用 cv::GaussianBlur() 时，我们需要指定高斯核的大小和标准差参数。最后，我们使用 imshow() 来显示原始图像和模糊后的图像。
上面为原图，下面为滤波后图像。可以看出远处的高楼变得模糊了。可以调整核大小和偏差修改相应的效果。
filter2D()
函数详解
filter2D() 是 OpenCV 库中的一个函数，用于对图像进行线性滤波。它使用指定的核来对输入图像进行卷积，以实现平滑、锐化、边缘检测等效果。
bash
void cv::filter2D(InputArray src, OutputArray dst, int ddepth, InputArray kernel, Point anchor=Point(-1,-1), double delta=0, int borderType=BORDER_DEFAULT)
参数解释：
src：输入图像。
dst：输出图像。
ddepth：输出图像的深度，通常为 CV_8U、CV_16U、CV_16S、CV_32F 或 CV_64F。
kernel：指定的滤波核。它是一个包含多个元素（至少为 3x3）的矩阵，用于定义滤波操作的性质。
anchor：锚点。指定了卷积核相对于图像中心的偏移量。默认值为 Point(-1,-1)，表示锚点在图像中心。
delta：增量值。用于调整输出图像的像素值。
borderType：像素外插法。指定了处理边界像素的方式。运行示例
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("image.jpg", IMREAD_COLOR); // 读取输入图像
if (image.empty()) {
cout << "无法读取图像文件" << endl;
return -1;
}
Mat blurredImage;
int kernelSize = 5; // 高斯核大小
double sigmaX = 1.0; // X方向标准差
double sigmaY = 1.0; // Y方向标准差
GaussianBlur(image, blurredImage, Size(kernelSize, kernelSize), sigmaX, sigmaY); // 对图像进行高斯模糊处理
imwrite("output.jpg", blurredImage);
Mat kernel = (Mat_<float>(3, 3) << 1, 4, 1, 4, 16, 4, 1, 4, 1); // 高斯滤波器
filter2D(blurredImage, blurredImage, -1, kernel); // 应用滤波器
imshow("Original Image", image); // 显示原始图像
imshow("filter2D Image ", blurredImage);
imwrite("output1.jpg", blurredImage);
waitKey(0); // 等待按键
return 0;
}在这个示例中，我首先使用 cv::GaussianBlur() 对图像进行高斯模糊处理。然后，我创建了一个高斯滤波器，并使用 cv::filter2D() 对模糊后的图像进行滤波处理。最后，我使用 imshow() 来显示原始图像和模糊后的图像。
具体效果如下，下面是原图。
下面的是模糊处理后的效果图。
上面是模糊处理后的效果图，下面是经过filter2D函数处理后的效果图，可以通过调整核函数大小调整效果。
总结
两个函数联系
（1）cv::GaussianBlur()是使用高斯滤波器对图像进行模糊处理，而cv::filter2D()可以应用各种滤波器对图像进行滤波处理。
（2）在使用cv::GaussianBlur()时，需要指定高斯核的大小和标准差参数；而在使用cv::filter2D()时，需要指定一个滤波器作为参数，该滤波器可以是一个自定义的滤波器，也可以是高斯滤波器。
两个函数区别
（1）cv::GaussianBlur()仅适用于高斯模糊处理，而cv::filter2D()可以应用于各种滤波器，包括高斯滤波器、中值滤波器、边缘检测滤波器等。
（2）cv::GaussianBlur()函数需要提供滤波器中系数的数量作为函数的第3个参数，而cv::filter2D()函数不需要提供滤波器中系数的数量。
（3）cv::GaussianBlur()函数仅支持对图像进行二维滤波处理，而cv::filter2D()函数可以支持对图像进行二维或三维滤波处理。