高斯滤波GaussianBlur()中参数详解
高斯滤波GaussianBlur()中参数详解：
高斯滤波是应用于图像处理，对图像进行滤波操作（平滑操作、过滤操作，去噪操作）
在python中的格式为：
cv2.GaussianBlur（ SRC，ksize，sigmaX [，DST [，sigmaY [，borderType ] ] ] ） →DST
在c++中的格式为：
void GaussianBlur（ InputArray src，OutputArray dst，Size ksize，double sigmaX，double sigmaY = 0，int borderType = BORDER_DEFAULT ）
其中我们最常用到的参数为：img = cv2.GaussianBlur(src, (blur1, blur2), 0)，其中src是要进行滤波的原图像，（blur1，blur2）是高斯核的大小，blur1和blur2的选取一般是奇数，blur1和blur2的值可以不同。参数0表示标准差取0。
当blur1=blur2=1时，相当于不对原始图像做操作。blur1和blur2越大，图像的模糊程度越大。但不是blur1和blur2越大越好，blur1和blur2太大，不仅会滤除噪音，还会平滑掉图像中有用的信息。所以blur的选取要进行测试。
如果要进行滤波的图像的长宽比大致为1:1，那么选取blur时，一般设置blur1=blur2。
如果要进行滤波的图像的长宽比大致为m:n，那么选取blur时，blur1:blur2=m:n。
参数：
src –输入图像；图像可以具有任何数量的信道，其独立地处理的，但深度应CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。
dst –输出与图像大小和类型相同的图像src。
ksize –高斯核大小。 ksize.width 并且 ksize.height 可以有所不同，但它们都必须是正数和奇数。或者，它们可以为零，然后从计算 sigma*。
sigmaX – X方向上的高斯核标准偏差。
sigmaY – Y方向上的高斯核标准差；如果 sigmaY 为零，则将其设置为等于 sigmaX；如果两个西格玛均为零，则分别根据ksize.width 和 进行计算 ksize.height（getGaussianKernel()有关详细信息，请参见 link)；完全控制的结果，无论这一切的语义未来可能的修改，建议指定所有的ksize，sigmaX和sigmaY。
borderType –像素外推方法（borderInterpolate()有关详细信息，请参见link ）。
作者：杨八戒
src –输入图像；图像可以具有任何数量的信道，其独立地处理的，但深度应CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。
dst –输出与图像大小和类型相同的图像src。
ksize –高斯核大小。 ksize.width 并且 ksize.height 可以有所不同，但它们都必须是正数和奇数。或者，它们可以为零，然后从计算 sigma*。
sigmaX – X方向上的高斯核标准偏差。
sigmaY – Y方向上的高斯核标准差；如果 sigmaY 为零，则将其设置为等于 sigmaX；如果两个西格玛均为零，则分别根据ksize.width 和 进行计算 ksize.height（getGaussianKernel()有关详细信息，请参见 link)；完全控制的结果，无论这一切的语义未来可能的修改，建议指定所有的ksize，sigmaX和sigmaY。
borderType –像素外推方法（borderInterpolate()有关详细信息，请参见link ）。
作者：杨八戒
