;（老师能看备注，学生看不到，便于老师上课讲解）;下面为备注功能具体操作演示视频;;;;项目目标;为确保人物采访图像中当事人的隐私得到妥善保护，小旌决定对当事人脸部区域进行模糊处理。在图像处理技术中，平滑滤波是一种模糊处理的有效方法，它能使像素与其周围像素趋于相似，导致图像中灰度值随空间位置的变化变得平缓。这一过程能够显著降低图像的清晰度，减少纹理细节的辨识度，从而达到模糊效果。
在平滑滤波过程中，滤波模板的尺寸大小对图像的模糊程度起着至关重要的作用。为了更好地满足模糊处理的需求，小旌决定采用较大尺寸的滤波模板。他将分别对当事人的脸部区域进行高斯滤波和中值滤波处理，以便更直观地比较这两种滤波方法在图像平滑模糊方面的效果。通过这样的处理，他期望能够在保护当事人隐私的同时，保持图像的整体美观和可读性。;项目准备;01;图像的直方图处理1.认识直方图;图像的直方图处理1.认识直方图;图像的直方图处理1.认识直方图;;;【例4-1】编写程序，使用OpenCV的cv2.calcHist()函数统计灰度图像“lake.jpg”（见本书配套素材“例题图像/lake.jpg”）的直方图信息，并绘制直方图。;【例?4-2】编写程序，使用OpenCV的cv2.calcHist()函数统计彩色图像“flower.png”（见本书配套素材“例题图像/flower.png”）的直方图信息，并绘制直方图。;【运行结果】程序运行结果如下图所示。
;图像的直方图处理3.直方图均衡化;图像的直方图处理3.直方图均衡化直方图均衡化的基本步骤;图像的直方图处理3.直方图均衡化直方图均衡化的基本步骤;【例】假设有一幅?7×7?的?8?个灰度级的图像，对其进行直方图均衡化计算的步骤和结果如下表所示。;;【例4-3】编写程序，使用OpenCV的cv2.equalizeHist()函数将图像“lake.jpg”（见本书配套素材“例题图像/lake.jpg”）进行直方图均衡化，并绘制原图像和直方图均衡化后图像的直方图。;plt.figure(figsize=(10,10)) #创建画布并设置画布的大小
#统计原图像直方图信息
hist1=cv2.calcHist([image],[0],None,[256],[0,255])
plt.subplot(121) #绘制直方图
plt.title(Input)
plt.plot(hist1)
#统计直方??均衡化后的图像直方图信息
hist2=cv2.calcHist([eqHist],[0],None,[256],[0,255])
plt.subplot(122) #绘制直方图
plt.title(equalizeHist)
plt.plot(hist2)
plt.show() #显示图形
cv2.waitKey() #窗口等待，按任意键继续
cv2.destroyAllWindows() #释放所有窗口;【运行结果】程序运行结果如下图所示。;【运行结果】程序运行结果如下图所示。;02;图像的直方图处理2.图像平滑滤波;;;;【例4-4】编写程序，使用OpenCV对图像“dog.png”（见本书配套素材“例题图像/dog.png”）进行均值滤波，并显示均值滤波后的图像。
;【运行结果】程序运行结果如下图所示。从结果中可以看出，图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊。
;图像的直方图处理2.图像平滑滤波高斯滤波;;OpenCV提供的cv2.GaussianBlur()函数用于实现高斯滤波。
格式：dst=cv2.GaussianBlurblur(src,ksize,sigmaX[,sigmaY[,borderType]])
;【例4-5】编写程序，使用?OpenCV?对图像“dog.png”（见本书配套素材“例题图像/dog.png”）进行高斯滤波，并显示高斯滤波后的图像。;【运行结果】程序运行结果如下图所示。;图像的直方图处理2.图像平滑滤波;;;【例4-6】编写程序，使用OpenCV对图像“dog.png”（见本书配套素材“例题图像/dog.png”）进行中值滤波，并显示中值滤波后的图像。;【运行结果】程序运行结果如下图所示。;双边滤波可以在去噪的同时，保护图像的边缘信息。;;【例4-7】编写程序，使用OpenCV对图像“banana.png”（见本书配套素材“例题图像/banana.png”）进行双边滤波，并显示双边滤波后的图像。;【运行结果】程序运行结果如下图所示。;;03;项目实施——对图像的感兴趣区域进行平滑模糊项目分析;;;项目实施——对图像的感兴趣区域进行平滑模糊项目分析3.使用高斯滤波进行平滑模糊;项目实施——对