原理与卷积类似，设置一个n*n的滤波模板，滤波模板内的值累加除以模板的尺寸大小取平均为滤波后的值。
代码如下：
import cv2 as cv
import numpy as np
#均值滤波
def meansBlur(src, ksize):
'''
:param src: input image
:param ksize:kernel size
:return dst: output image
'''
dst = np.copy(src) #创建输出图像
kernel = np.ones((ksize, ksize)) # 卷积核
padding_num = int((ksize - 1) / 2) #需要补0
dst = np.pad(dst, (padding_num, padding_num), mode="constant", constant_values=0)
w, h = dst.shape
dst = np.copy(dst)
for i in range(padding_num, w - padding_num):
for j in range(padding_num, h - padding_num):
dst[i, j] = np.sum(kernel * dst[i - padding_num:i + padding_num + 1, j - padding_num:j + padding_num + 1]) \
// (ksize ** 2)
dst = dst[padding_num:w - padding_num, padding_num:h - padding_num] #把操作完多余的0去除，保证尺寸一样大
return dst
img_path = r"F:\03.png"
img = cv.imread(img_path,0)
dst = meansBlur(img,5)
cv.imshow('src',img)
cv.imshow('dst',dst)
print(dst)
cv.waitKey(0)
注释：红框表示两个for循环的范围，i - padding_num:i + padding_num + 1表示第i行上移padding_num行，下移padding_num，+1是因为list列表为左闭右开区间，右边的元素取不到值。padding表示周围填充一圈。
