图像平滑处理的基本概念非常直观，它使用滤波器模板确定的邻域内像素的平均/加权平均灰度值代替图像中每个像素的值。平滑线处理滤波器也称均值滤波器，所有系数都相等（非加权平均）的空间均值滤波器也称为盒状滤波器。
在《OpenCV-Python 图像平滑处理1：卷积函数filter2D详解及用于均值滤波的案例》介绍了使用filter2D实现
图像平滑处理，本文将介绍另外一个OpenCV-Python的函数blur实现平滑处理。
blur是OpenCV用于进行图像模糊处理的函数，该函数使用归一化的盒装滤波器进行均值滤波处理。盒状滤波器的所有元素都相等，其元素为浮点数。blur的核矩阵进行了归一化处理，每个元素值=1/（滤波器核高×核宽），因此核矩阵的所有元素和值为1。
对系数相等的盒状滤波来说，由于核矩阵的对称性，卷积和相关的处理结果相同。关于相关和卷积的关系请参考《《数字图像处理》空间滤波学习感悟2：空间相关与卷积的概念、区别及联系》的介绍。
dst = cv.blur( src, ksize[, dst[, anchor[, borderType]]] )
注意：
返回值为结果图像矩阵，因此输入参数中的dst参数无需输入。
从以上介绍可知，blur函数就是在《OpenCV-Python 图像平滑处理1：卷积函数filter2D详解及用于均值滤波的案例》介绍的filter2D的一种用于均值滤波的特定应用。
下面的案例脱胎于OpenCV帮助文档，代码对输入图像进行均值滤波：
import cv2
import numpy as np
from opencvPublic import cmpMatrix
def smoothingByFiler2D():
img = cv2.imread('f:\\pic\\opencvLogo.JPG')
kernal = np.ones((5, 5), np.float32) / 25
dst = cv2.filter2D(img, None, kernal,delta=0)
return dst
def smoothingByBlur():
img = cv2.imread('f:\\pic\\opencvLogo.JPG')
ksize = (5,5)
dst = cv2.blur(img, ksize)
plt.subplot(121), plt.imshow(img), plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(dst), plt.title('Blurred')
plt.xticks([]), plt.yticks([])
plt.show()
return dst
d1 = smoothingByBlur()
d2 = smoothingByFiler2D()
if(cmpMatrix(d1,d2)): #对比两个结果矩阵是否一致
print('d1==d2')
else: print('d1!=d2')
结果输出：
文字输出：
d1==d2
可以看到输出图像比输入图像变模糊了，且blur处理的结果矩阵与filter2D处理的结果完全一样。
本文介绍了图像平滑处理及均值滤波等基础概念，并详细介绍了卷积函数blur的Python语法及参数，并用之进行了对图像的均值滤波平滑处理，可以看到其模糊化处理结果与filter2D完全一样，实际上它是filter2D一种特定场景的应用。
更多图像处理请参考专栏《OpenCV-Python图形图像处理》、《图像处理基础知识》以及付费专栏《OpenCV-Python初学者疑难问题集》的介绍。
对于缺乏Python基础的同仁，可以通过老猿的免费专栏《 专栏：Python基础教程目录》从零开始学习Python。
如对文章内容存在疑问，可在博客评论区留言，或关注：老猿Python 微信公号发消息咨询：
老猿Python微信公号
也可以扫描博客左边栏目的微信公号二维码咨询。
如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！
前两个专栏都适合有一定Python基础但无相关知识的小白读者学习，第三个专栏请大家结合《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的学习使用。
对于缺乏Python基础的同仁，可以通过老猿的免费专栏《https://blog.csdn.net/laoyuanpython/category_9831699.html 专栏：Python基础教程目录）从零开始学习Python。
如果有兴趣也愿意支持老猿的读者，欢迎购买付费专栏。
