cv2.blur 是 OpenCV 中实现均值滤波(归一化盒式滤波) 的核心函数

代码

bash 复制代码
# -*- coding:utf-8 -*-
import cv2 as cv
import sys


def my_blur(image):
    return cv.blur(image, (3, 3)), cv.blur(image, (9, 9))


if __name__ == '__main__':
    # 读取图像并判断是否读取成功
    img = cv.imread('./images/Gray.jpg')
    if img is None:
        print('Failed to read Gray.jpg.')
        sys.exit()

    img_sp = cv.imread('./images/GraySalt.jpg')
    if img_sp is None:
        print('Failed to read GraySalt.jpg.')
        sys.exit()

    img_gauss = cv.imread('./images/GrayGauss.jpg')
    if img_gauss is None:
        print('Failed to read GrayGauss.jpg.')
        sys.exit()

    img1, img2 = my_blur(img)
    img_sp1, img_sp2 = my_blur(img_sp)
    img_gauss1, img_gauss2 = my_blur(img_gauss)

    # 展示结果
    cv.imshow('Origin Image', img)
    cv.imshow('3 * 3 Blur Image', img1)
    cv.imshow('5 * 5 Blur Image', img2)

    cv.imshow('Origin sp-noisy Image', img_sp)
    cv.imshow('3 * 3 sp-noisy Blur Image', img_sp1)
    cv.imshow('5 * 5 sp-noisy Blur Image', img_sp2)

    cv.imshow('Origin gauss-noisy Image', img_gauss)
    cv.imshow('3 * 3 gauss-noisy Blur Image', img_gauss1)
    cv.imshow('5 * 5 gauss-noisy Blur Image', img_gauss2)

    cv.waitKey(0)
    cv.destroyAllWindows()
```![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/4a62db63440c447bab5abaa5f91236df.png

![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/8038639ce95a4fdc81c87ef1c47ae264.png)


cv2.blur 是 OpenCV 中实现均值滤波(归一化盒式滤波) 的核心函数,通过计算像素邻域内的平均值来平滑图像,适用于消除高斯噪声、降低图像细节复杂度等场景。
一、函数基本语法
python
运行
cv2.blur(src, ksize, dst=None, anchor=None, borderType=None)
参数说明
参数	 ##含义	## 必填	##默认值
src	##输入图像(可以是单通道灰度图或多通道彩色图,如 BGR 格式)	##是	###-
ksize	##滤波核(卷积核)的尺寸,格式为 (width, height)(如 (3,3)、(5,5))	##是	##-
dst	##输出图像(可选,若不指定则返回新图像)	##否	##None
anchor	##核的锚点(滤波时的参考点),默认 (-1,-1) 表示锚点在核中心	##否	##(-1, -1)
borderType	##边界填充方式(处理图像边缘像素),##默认 cv2.BORDER_DEFAULT	##否	cv2.BORDER_DEFAULT
返回值
返回与输入图像尺寸、通道数相同的滤波后图像(ndarray 格式)。

二、核心原理
均值滤波的本质是:对图像中每个像素,用其邻域(核大小)内所有像素的平均值替换该像素值。公式:
![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/7a08f39f61734b56aba84afddfa11931.png)

核越大,平滑效果越强,但图像越模糊(细节丢失越多);
核尺寸通常取奇数(如 3×3、5×5),避免像素偏移。
相关推荐
立青.14 分钟前
AI大模型术语
人工智能
土豆12502 小时前
你只说要什么,它负责拆活交付:任务编排插件上手指南
人工智能·llm
GoldenSpider.AI4 小时前
讲透 Claude Code 的 Code Mode:原理、流程、用法与 24 轮实测
人工智能·ai编程·claude code
oak隔壁找我4 小时前
一款运行在 DSH(DeepSeek Harness)中的工作区文件管理插件
人工智能
江屿风4 小时前
AI Agent架构全解析:从规划到记忆的智能跃迁
人工智能·笔记·架构·agent·c/s·mcp工作流
ZONGYUAN-ROOT4 小时前
【API配额】多源 LLM API 配额池化实战:轮换调度、变化量监控、故障自愈一套方案(Python 完整实现)
人工智能
syso_稻草人5 小时前
qwen-image-2.1 高清放大拆解:Qwen21LatentUpscale 潜空间 2x + denoise 0.35 修细节,12 组场景实测
人工智能·stable diffusion·prompt·comfyui·qwen-image2.1
羲云网络5 小时前
GPT Image 2.6 动态表情怎么改:从情绪歧义到动作节奏验收
人工智能·gif·图像编辑
EatFan6 小时前
AI Agent 工程化元年:从单体智能到 Agent 集群的架构演进与落地路径
人工智能·架构·ai agent·autogen·crewai·agent集群·记忆工程