【1】引言

前序學習進程中，對圖像的操作均基于各個像素點上的BGR值不同而展開。

對于彩色圖像，每個像素點上的BGR值為三個整數，因為是三通道圖像；對于灰度圖像，各個像素上的BGR值是一個整數，因為這是單通道圖像。

如果對這部分內容暫時回憶不起來，可以通過鏈接回憶：

python學opencv|讀取圖像（九）用numpy創建黑白相間灰度圖_numpy生成全黑圖片-CSDN博客

python學opencv|讀取圖像（十）用numpy創建彩色圖像_cv2 通過numpy創建圖像-CSDN博客

不過實際追溯下來，圖像的大小確定后，像素就確定了，真正操作的都是像素點上的BGR值。

所以，在前序的圖像疊加效果原理追溯中，獲得疊加效果的根本原因都是因為各個函數執行了對BGR值的運算操作：

python學opencv|讀取圖像（四十四）原理探究：bitwise_and()函數實現圖像按位與運算-CSDN博客

按位計算過程是非常詳細的圖像疊加過程，如果只想對單張圖像操作，有時候可以通過直接修改單張圖像的BGR值實現圖像調整。

本次文章就先從最簡單的開始：通過調用cv2.blur()函數，把各個像素點的BGR值取平均值的方法，實現圖像的色彩調整。

【2】官網教程

點擊下方鏈接，直達cv2.blur()函數的官網頁面：

OpenCV: Image Filtering

cv2.blur()函數的官網頁面的解釋為：

圖1? cv2.blur()函數的官網頁面

相應的，cv2.blur()函數的參數解釋為：

void cv::blur???? (????

??????? InputArray???? src,?????????????????????????????????? #輸入圖像
??????? OutputArray???? dst,????????????????????????????? ? #輸出圖像
??????? Size???? ksize,???????????????????????????????????? ? ? #計算圖像均值像素核大小
??????? Point???? anchor = Point(-1,-1),?????????????? #圖像像素核錨點，會自動計算，為可選參數
??????? int???? borderType = BORDER_DEFAULT )?? #可選參數，邊界樣式，為可選參數

【3】代碼測試

首先是引入模塊和圖像：

import cv2 as cv  # 引入CV模塊# 讀取圖片
srcm = cv.imread('srcx.png')  # 讀取圖像srcx.png

然后對圖像做均值計算：

#均值計算
src1 = cv.blur(srcm,(3,3))  # 圖像取平均值，像素核大小為(3,3)
src2 = cv.blur(srcm,(5,5))  # 圖像取平均值，像素核大小為(5,5)
src3 = cv.blur(srcm,(7,7))  # 圖像取平均值，像素核大小為(7,7)

然后顯示和保存圖像：

# 顯示結果
cv.imshow('srcm ', srcm)
cv.imshow('src1 ', src1)
cv.imshow('src2 ', src2)
cv.imshow('src3 ', src3)
cv.imwrite('src1.png',src1)
# 窗口控制
cv.waitKey()  # 圖像不關閉
cv.destroyAllWindows()  # 釋放所有窗口

代碼運行相關的圖像有：

圖2 初始圖像srcx.png

圖3 均值圖像src1.png? 像素核(3,3)

圖4 均值圖像src2.png? 像素核(5,5)

圖5 均值圖像src3.png? 像素核(7,7)

由圖2到圖5可見，隨著像素核的增大，圖像越來越模糊。這提醒我們，控制像素核的大小，可以進一步控制圖像的模糊程度。

【4】細節說明

像素核使用奇數大小會比較好，因為奇數大小會在最中間圍成一個方格，這個方格就是核心方格，均值計算的值直接賦給這個核心方格就可以。

【5】總結

掌握了python+opencv實現調用cv2.blur()函數實現圖像BGR值平均處理的技巧。

?

?