OpenCV 图形API（33）图像滤波-----高斯模糊函数gaussianBlur()

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

使用高斯滤波器对图像进行模糊处理。
该函数使用指定的高斯核对源图像进行滤波。输出图像必须与输入图像具有相同的类型和通道数。

cv::gapi::gaussianBlur 是 OpenCV 的 G-API 模块中用于对图像应用高斯模糊的函数。高斯模糊是一种常用的图像处理技术，它通过使用高斯函数来平滑图像，减少噪声和细节。

支持的输入矩阵数据类型有 CV_8UC1、CV_8UC3、CV_16UC1、CV_16SC1 和 CV_32FC1。输出图像必须与输入图像具有相同的类型、大小和通道数。

注意：
如果硬件支持，则会进行向最近偶数的舍入；如果不支持，则向最近的整数舍入。
函数的文本ID为 “org.opencv.imgproc.filters.gaussianBlur”。

函数原型

GMat cv::gapi::gaussianBlur
(
 	const GMat &  	src,
	const Size &  	ksize,
	double  	sigmaX,
	double  	sigmaY = 0,
	int  	borderType = BORDER_DEFAULT,
	const Scalar &  	borderValue = Scalar(0) 
) 	

参数

• 参数 src: 输入图像；
• 参数 ksize: 高斯核大小。ksize.width 和 ksize.height 可以不同，但它们都必须是正奇数。或者它们都可以是零，然后根据 sigma 计算得出；
• 参数 sigmaX: 高斯核在 X 方向上的标准差；
• 参数 sigmaY: 高斯核在 Y 方向上的标准差；如果 sigmaY 为零，则它被设置为等于 sigmaX；如果两个 sigma 都为零，则分别根据 ksize.width 和 ksize.height 计算（详见 cv::getGaussianKernel）；为了完全控制结果，无论未来可能对所有这些语义进行何种修改，建议指定 ksize、sigmaX 和 sigmaY；
• 参数 borderType: 像素外推方法，参见 cv::BorderTypes；
• 参数 borderValue: 在使用常量边界情况下边界的值。

代码示例

#include 
#include 
#include  // 确保包含核心操作头文件

int main()
{
    // 加载图像
    cv::Mat src = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", cv::IMREAD_COLOR);
    if (src.empty())
    {
        std::cerr << "无法加载图像" << std::endl;
        return -1;
    }

    // 定义高斯核大小和标准差
    cv::Size ksize(5, 5); // 核大小
    double sigmaX = 1.5;  // X方向的标准差
    double sigmaY = 0;    // Y方向的标准差，设为0表示与X方向相同

    // 创建GAPI图：定义输入输出
    cv::GMat in;
    auto blurred = cv::gapi::gaussianBlur(in, ksize, sigmaX, sigmaY);

    // 创建GComputation对象
    cv::GComputation comp(cv::GIn(in), cv::GOut(blurred));

    // 应用到输入图像上
    cv::Mat out;
    comp.apply(src, out);

    // 显示结果
    cv::imshow("Original Image", src);
    cv::imshow("Blurred Image", out);
    cv::waitKey();

    return 0;
}

运行结果