前面的章節我們曾經用到cv2.GaussianBlur高斯濾波函數做邊緣模糊處理，今天我們就來講一下如何把圖片平滑模糊化吧！

import cv2
import numpy as np
from matplotlib import pyplot as plt

影像平滑模糊化是透過使用低通濾波器進行影像卷積來實現的，當我們在使用濾波器時，會從影像中除去高頻內容，如雜訊、銳利邊緣，也會導致影像邊緣變得模糊，OpenCV主要提供四種平滑模糊化技術：

平均濾波 Averaging：使用 opencv 的 cv2.blur 或 cv2.boxFilter
高斯濾波 Gaussian Filtering：使用 opencv 的 cv2.GaussianBlur
中值濾波 Median Filtering：使用 opencv 的 cv2.medianBlur
雙邊濾波 Bilateral Filtering：使用 opencv 的 cv2.bilateralFilter

我們通常使用平均濾波和高斯濾波兩種類型較多，下面也主要講解這兩種。

平均濾波 Averaging

平均濾波使用box濾波器進行影像卷積，它計算內核區域下所有像素的平均值，並用該平均值取代中心元素。

img = cv2.imread('image.jpg')

blur = cv2.blur(img, (5, 5))

plt.subplot(121), plt.imshow(img), plt.title('Image')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(blur), plt.title('Blur')
plt.xticks([]), plt.yticks([])
plt.show()

執行上面的程式碼後，可以看見圖片邊緣的銳利感減少了，變得較為模糊，看上去也更為平滑。

高斯濾波 Gaussian Filtering

平均濾波和高斯濾波的功用其實大致相同，差別只在平均濾波是對圖像像素求平均值然後重新賦值，而高斯濾波是正態分佈，越往中心值越大，越往外則值越小，也就是高斯函數遞減，兩項功能都能做到圖像平滑處理。

img = cv2.imread('image.jpg')

gauss = cv2.GaussianBlur(img, (5, 5), 0)

plt.subplot(121), plt.imshow(img), plt.title('Image')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(gauss), plt.title('Gauss')
plt.xticks([]), plt.yticks([])
plt.show()

以上就是OpenCV常用的兩種模糊處理函式，下章開始要來教大家怎麼用OpenCV進行簡易繪圖。