7. 高斯模糊

均值模糊的扩展，权重均值模糊，效果比均值模糊好，应用场景毛玻璃

虽然kernel是3*3的核，但是会拆分成x，y进行2次，速度反而快了  （这是一种加速的手段）
如果是二维的话，有9次乘法，1次除法
如果是一维的话，就是3次乘法1次除法，在做3次乘法1次除法，一共是6次乘法和2次除法

给图片增加噪声

def clamp(pv):
    if pv > 255:
        return 255
    elif pv < 0:
        return 0
    else:
        return pv

def gaussian_noise(img):
    h,w,ch = img.shape
    for row in range(h):
        for col in range(w):
            s = np.random.normal(0, 20, 3)
            b = img[row, col, 0]
            g = img[row, col, 1]
            r = img[row, col, 2]
            img[row, col, 0] = clamp(b + s[0])
            img[row, col, 1] = clamp(g + s[1])
            img[row, col, 2] = clamp(r + s[2])
    cv.imshow("noise img", img)

高斯模糊API

dst = GaussianBlur(src, (0,0), 15)
毛玻璃效果    会保留特征
dst = GaussianBlur(src, (5,5), 0)