【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。