win10+Python3.7.3+OpenCV3.4.1入门学习（七）————7.1均值滤波（上）

Python版本是Python3.7.3，OpenCV版本OpenCV.3.4.1，开发环境为PyCharm

均值滤波是指用当前像素点周围N·N个像素值的均值来代替当前像素值。使用该方法遍历处理图像内的每一个像素点，即可完成整幅图像的均值滤波。
7.1.1 基本原理
例如，希望对下图中位于第5行第4列的像素点进行均值滤波。

在进行均值滤波时，首先要考虑需要对周围多少个像素点取平均值。通常情况下，我们会以当前像素点为中心，对行数和列数相等的一块区域内的所有像素点的像素值求平均。例如，在上图中，可以以当前像素点为中心，对周围3×3区域内所有像素点的像素值求平均，也可以对周围5×5区域内所有像素点的像素值求平均。
当前像素点的位置为第5行第4列，我们对其周围5×5区域内的像素值求平均，计算方法为：

计算完成后得到126，我们将126作为当前像素点均值滤波后的像素值。我们针对图中的每一个像素点计算其周围5×5区域内的像素值均值，并将其作为当前像素点的新值，即可得到当前图像的均值滤波结果。
当然，图像的边界点并不存在5×5邻域区域。例如，左上角第1行第1列上的像素点，其像素值为23，如果以其为中心点取周围5×5邻域，则5×5邻域中的部分区域位于图像外部。图像外部是没有像素点和像素值的，显然是无法计算该点的5×5邻域均值的。
针对边缘像素点，可以只取图像内存在的周围邻域点的像素值均值。如图7-8所示，计算左上角的均值滤波结果时，仅取图中灰色背景的3×3邻域内的像素值的平均值。

在上图中，对于左上角（第1行第1列）的像素点，我们取第1-3列与第1~3行交汇处所包含的3×3邻域内的像素点的像素值均值。因此，当前像素点的均值滤波计算方法为：

计算完成后得到116，将该值作为该点的滤波结果即可。
除此以外，还可以扩展当前图像的周围像素点。例如，将当前9×7大小的图像扩展为13×11大小的图像，如下图所示。

完成图像边缘扩展后，可以在新增的行列内填充不同的像素值。在此基础上，再针对9×7的原始图像计算其5×5邻域内像素点的像素值均值。OpenCV提供了多种边界处理方式，我们可以根据实际需要选用不同的边界处理模式。
针对图像中第5行第5列的像素点，其运算过程相当于与一个内部值都是1/25的5×5矩阵进行相乘计算，从而得到均值滤波的结果126，其对应的关系如下图所示。

根据上述运算，针对每一个像素点，都是与一个内部值均为1/25的5×5矩阵相乘，得到均值滤波的计算结果，如下图所示。

将使用的5×5矩阵一般化，可以得到如下图所示的结果。

在OpenCV中，图右侧的矩阵被称为卷积核，其一般形式为：

式中，M和N分别对应高度和宽度。一般情况下，M和N是相等的，例如比较常用的3×3、5×5、7×7等。如果M和N的值越大，参与运算的像素点数量就越多，图像失真越严重。