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 -*-importcv2 as cvimportsys def my_blur(image):returncv.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')ifimg is None: print('Failed to read Gray.jpg.')sys.exit()img_sp=cv.imread('./images/GraySalt.jpg')ifimg_sp is None: print('Failed to read GraySalt.jpg.')sys.exit()img_gauss=cv.imread('./images/GrayGauss.jpg')ifimg_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 ##Noneanchor##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。