由一个归一化卷积框完成的。它只是用卷积框覆盖区域所有像素的平均值来代替中心元素。
例如，3x3标准化的平均过滤器如下所示：
均值滤波的优点是算法简单，计算速度较快，缺点是在去噪的同时去除了很多细节部分，将图像变得模糊。
图像噪声
- 椒盐噪声：图像中随机出现的白点或者黑点
- 高斯噪声：噪声的概率密度分布是正态分布
cv.blur(src, ksize, anchor, borderType)
- src：输入图像
- ksize：卷积核的大小
- anchor：默认值 (-1,-1) ，表示核中心
- borderType：边界类型
import cv2 as cv
from matplotlib import pyplot as plt
# 1 图像读取
img = cv.imread('./1.jpg') # 读取带有椒盐噪声的图片
# 2 均值滤波
blur = cv.blur(img, (5, 5))
# 3 图像显示
plt.figure(figsize=(10, 8), dpi=100)
plt.subplot(121),
plt.imshow(img[:, :, ::-1]),
plt.title('原图')
plt.xticks([]),
plt.yticks([])
plt.subplot(122),
plt.imshow(blur[:, :, ::-1]),
plt.title('均值滤波后结果')
plt.xticks([]),
plt.yticks([])
plt.show()
