一些美颜软件、美颜相机上的磨皮和毛玻璃特效基本上都是用的高斯模糊，并且大部分图像处理软件中都有高斯模糊的操作，除此之外，高斯模糊还具有减少图像层次和深度的功能
GaussianBlur():定义：GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)
给图片创建毛玻璃特效
第二个参数：高斯核的宽和高（建议是奇数）
第三个参数：x和y轴的标准差
Gaussian.png
代码
import cv2 as cv
import numpy
def clamp(pv):
"""防止颜色值超出颜色取值范围（0-255）"""
if pv > 255:
return 255
if pv < 0:
return 0
return pv
def gaussian_noise(image):
"""高斯噪声"""
height, width, channel = image.shape
for row in range(height):
for col in range(width):
for c in range(channel):
s = numpy.random.normal(0, 20, 3)
b = image[row, col, 0] # blue
g = image[row, col, 1] # green
r = image[row, col, 2] # red
image[row, col, 0] = clamp(b + s[0])
image[row, col, 1] = clamp(g + s[1])
image[row, col, 2] = clamp(r + s[2])
cv.imshow("noise image", image)
src = cv.imread("./data/lena.jpg", cv.IMREAD_COLOR)
cv.namedWindow("lena", cv.WINDOW_AUTOSIZE)
cv.imshow("lena", src)
# 给图片创建毛玻璃特效
# 第二个参数：高斯核的宽和高（建议是奇数）
# 第三个参数：x和y轴的标准差
dst = cv.GaussianBlur(src, (5, 5), 0)
cv.imshow("GaussianBlur", dst)
# start = cv.getTickCount()
# gaussian_noise(src)
# end = cv.getTickCount()
# time = (end - start) / cv.getTickFrequency()
# print("耗时 = ", time * 1000, "ms")
cv.waitKey(0)
cv.destroyAllWindows()
numpy.random.normal(loc=0.0, scale=1.0, size=None)
loc：float 此概率分布的均值（对应着整个分布的中心centre）
scale：float 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size：int or tuple of ints 输出的shape，默认为None，只输出一个值
gaussian_blur.png
