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

# -*- 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。