上期文章，我们分享了如何给图片添加马赛克，但是很多时候，我们需要给视频添加马赛克。当然你能想到的是通过后期软件处理的方法来进行，本文教你使用简单的几行代码便可以很方便的给视频添加马赛克

1、给定要添加的视频或者图片

2、利用人工智能技术识别图片或者视频中的人脸

4、给图片或者视频添加上屏蔽层

5、显示最终的图片或者实时同步到视频 中

给图片或者视频人脸添加马赛克，最主要步骤是创建屏蔽层，我们利用2种方式进行人脸的打码

以上便是很简单的创建屏蔽层的代码

利用要使用高斯运算，我们要计算高斯内核的尺寸

以上计算了高斯内核的基本尺寸，由于高斯内核的尺寸只要求是奇数，当我们检测到基数时，需要转成为奇数。最后使用cv2.GaussianBlur(image, (kW, kH), 0)来创建屏蔽层

高斯滤波是一种线性平滑滤波，对于除去高斯噪声有很好的效果。

在图像处理中高斯滤波一般有两种实现方式：一种是用离散化窗口滑窗卷积，另一种是通过傅里叶变换。最常见的就是第一种滑窗实现，只有当离散化的窗口非常大，用滑窗计算量非常大的情况下会考虑基于傅里叶变换的方法。

opencv提供了GaussianBlur()函数对图形进行高斯滤波，其原型如下：

. OutputArray dst: 输出图像，与输入图像有相同的类型和尺寸。

. Size ksize: 高斯内核大小，这个尺寸与前面两个滤波kernel尺寸不同，ksize.width和ksize.height可以不相同但是这两个值必须为正奇数，如果这两个值为0，他们的值将由sigma计算。

高斯函数的马赛克十分平滑，但是这跟我们平时见到的马斯克有所区别，我们新建一个函数来创建自己的马斯克

首先获取了图片的尺寸，把图片分成block*block的小方块

计算每个小方块的初始位置与最终位置

opencv中封装了一个专门用于求解cv::Mat均值的函数，即cv::mean(&cv::Mat)，该函数会得到Mat中各个通道的均值，若要获取指定通道的均值，做进一步解析即可。

最后把获取的平均值画到原始图片中，来实现加马赛克的效果

函数中的blocks定义了图片需要进行马赛克的小方块的数量,以上图片的马赛克跟我们见到的很是类似

首先我们加载需要的人脸检测模型

默认打开摄像头，然后遍历视频，实时添加马赛克

cap.read()按帧读取视频，ret,frame是获cap.read()方法的两个返回值。其中ret是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，它的返回值就为False。frame就是每一帧的图像，是个三维矩阵。

最后进行人脸神经网络的预测

当检测到人脸后，对人脸进行分析识别

当检测到人脸后，提取所有人脸的置信度，我们判断大于0.5的人脸置信度为可靠人脸.

根据人脸的ROI图片来进行高斯模糊，以便达到添加马赛克的效果

然后把添加马赛克的图片实时反馈到视频帧中