长沙市网站推广公司长沙seo网站
【1】引言
前序学习进程中，对图像的操作均基于各个像素点上的BGR值不同而展开。
对于彩色图像，每个像素点上的BGR值为三个整数，因为是三通道图像；对于灰度图像，各个像素上的BGR值是一个整数，因为这是单通道图像。
如果对这部分内容暂时回忆不起来，可以通过链接回忆：
python学opencv|读取图像（九）用numpy创建黑白相间灰度图_numpy生成全黑图片-CSDN博客
python学opencv|读取图像（十）用numpy创建彩色图像_cv2 通过numpy创建图像-CSDN博客
不过实际追溯下来，图像的大小确定后，像素就确定了，真正操作的都是像素点上的BGR值。
所以，在前序的图像叠加效果原理追溯中，获得叠加效果的根本原因都是因为各个函数执行了对BGR值的运算操作：
python学opencv|读取图像（四十四）原理探究：bitwise_and()函数实现图像按位与运算-CSDN博客
按位计算过程是非常详细的图像叠加过程，如果只想对单张图像操作，有时候可以通过直接修改单张图像的BGR值实现图像调整。
本次文章就先从最简单的开始：通过调用cv2.blur()函数，把各个像素点的BGR值取平均值的方法，实现图像的色彩调整。
【2】官网教程
点击下方链接，直达cv2.blur()函数的官网页面：
OpenCV: Image Filtering
cv2.blur()函数的官网页面的解释为：
图1 cv2.blur()函数的官网页面
相应的，cv2.blur()函数的参数解释为：
void cv::blur (
InputArray src, #输入图像
OutputArray dst, #输出图像
Size ksize, #计算图像均值像素核大小
Point anchor = Point(-1,-1), #图像像素核锚点，会自动计算，为可选参数
int borderType = BORDER_DEFAULT ) #可选参数，边界样式，为可选参数
【3】代码测试
首先是引入模块和图像：
import cv2 as cv # 引入CV模块# 读取图片
srcm = cv.imread('srcx.png') # 读取图像srcx.png然后对图像做均值计算：
#均值计算
src1 = cv.blur(srcm,(3,3)) # 图像取平均值，像素核大小为(3,3)
src2 = cv.blur(srcm,(5,5)) # 图像取平均值，像素核大小为(5,5)
src3 = cv.blur(srcm,(7,7)) # 图像取平均值，像素核大小为(7,7)然后显示和保存图像：
# 显示结果
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() # 图像不关闭
cv.destroyAllWindows() # 释放所有窗口代码运行相关的图像有：
图2 初始图像srcx.png
图3 均值图像src1.png 像素核(3,3)
图4 均值图像src2.png 像素核(5,5)
图5 均值图像src3.png 像素核(7,7)
由图2到图5可见，随着像素核的增大，图像越来越模糊。这提醒我们，控制像素核的大小，可以进一步控制图像的模糊程度。
【4】细节说明
像素核使用奇数大小会比较好，因为奇数大小会在最中间围成一个方格，这个方格就是核心方格，均值计算的值直接赋给这个核心方格就可以。
【5】总结
掌握了python+opencv实现调用cv2.blur()函数实现图像BGR值平均处理的技巧。