Python OpenCV 实现高斯滤波详解

听雨眠

发布时间：2026-10-14 | 5人浏览过

原创

本文详解如何使用 Python 和 OpenCV 实现高斯滤波。高斯滤波是一种线性平滑滤波，通过加权平均消除高斯噪声。文章提供了 C++ 与 Python 的完整代码示例，对比展示原始图像及 5x5、9x9 卷积核下的滤波效果，帮助开发者掌握图像去噪技术。

一、高斯滤波

高斯滤波属于线性平滑滤波技术，主要用于消除图像中的高斯噪声，在图像处理的减噪环节中应用广泛。[1] 简单来说，高斯滤波是对整幅图像执行加权平均计算的过程。图像中每个像素的最终值，均由其自身及邻域内其他像素值经过加权平均计算得出。具体操作时，使用一个模板（也称为卷积核或掩模）扫描图像中的每个像素点，利用模板所确定的邻域内像素的加权平均值，来替换模板中心像素点的原始值。

二、C++代码


#include <opencv2\opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
	Mat img = imread("gauss_noise.png");
	
	if (img.empty())
	{
		cout << "请确认图像文件名称是否正确" << endl;
		return -1;
	}
	Mat result_5, result_9;  //存放含噪声滤波的结果，后面数字代表滤波器尺寸
	
	 //调用均值滤波函数blur()进行滤波
	GaussianBlur(img, result_5, Size(5, 5), 0, 0);
	GaussianBlur(img, result_9, Size(9, 9), 0, 0);
	//显示含有高斯噪声图像
	imshow("img_gauss", img);
	//显示去噪结果
	imshow("result_5gauss", result_5);
	imshow("result_9gauss", result_9);
	
	waitKey(0);
	return 0;
}

三、python代码


import cv2


# ----------------------读取图片-----------------------------
img = cv2.imread('gauss_noise.png')
# ----------------------高斯滤波-----------------------------
result_5 = cv2.GaussianBlur(img, (5, 5), 0)  # 5x5
result_9 = cv2.GaussianBlur(img, (9, 9), 0)  # 9x9
# ----------------------显示结果-----------------------------
cv2.imshow('origion_pic', img)
cv2.imshow('5x5_filtered_pic', result_5)
cv2.imshow('9x9_filtered_pic', result_9)
cv2.waitKey(0)