均值滤波的核心逻辑是对每个像素取其矩形邻域内所有像素的算术平均值替代原值，关键在边界处理、防数据溢出和非原地修改。
均值滤波的核心逻辑是啥
均值滤波本质就是对每个像素，取它周围一个矩形邻域（比如 3×3）内所有像素的算术平均值，来替代当前像素值。关键不在于“加总除以个数”，而在于边界怎么处理、数据类型会不会溢出、是否原地修改——这三个点踩错一个，图像就发白、变黑或崩溃。
- 边界通常用复制边缘（
cv::BORDER_REPLICATE）或补零（cv::BORDER_CONSTANT），别直接跳过边界，否则输出图像尺寸变小 - 输入图若是
CV_8UC1或CV_8UC3（即uchar），累加时必须转成int或float，否则 200+200 就溢出回 144 - OpenCV 的
cv::blur()默认就做这个事，但如果你手写循环，千万别用src.at<uchar>(i,j)</uchar>直接累加——要先转类型
用 OpenCV 的 cv::blur() 最快最稳
这是最推荐的起点：它底层做了 SIMD 优化、自动处理边界、支持多通道，且 API 简单。你不需要自己遍历像素。
cv::Mat src = cv::imread("noise.jpg", cv::IMREAD_COLOR);
cv::Mat dst;
cv::blur(src, dst, cv::Size(5, 5)); // 5×5 均值窗
-
cv::Size(3,3)和cv::Size(5,5)效果差异明显：3×3 降轻微噪声，5×5 开始模糊细节，7×7 以上人脸纹理就糊了 - 第三个参数是核大小，必须是正奇数；传
cv::Size(4,4)会静默截断为cv::Size(3,3)，不报错但结果不对 - 如果想保留原始图像数据类型（比如输入是
CV_16UC1），得显式指定ddepth参数，否则默认输出和输入同类型，可能因截断丢精度
手写三层循环要注意哪几处
真要自己实现（比如教学、嵌入式无 OpenCV），重点不是“怎么写循环”，而是防错：
- 外层 y 从
radius到height - radius，内层 x 同理，别从 0 开始硬算，否则越界访问 - 邻域求和用
int累加，最后再除以kernel_area，再cv::saturate_cast<uchar>()</uchar>截断回 0–255 - 彩色图要分别处理三个通道，别把 BGR 当成一个整数去加（
src.at<:vec3b>(i,j)[0]</:vec3b>是 B，得拆开算） - 千万别用
std::round()或static_cast<uchar>()</uchar>强转——前者慢，后者不饱和，260 变成 4
为什么均值滤波后图像发灰或细节丢失严重
这不是代码 bug，是算法特性：均值滤波在降噪同时，也抹平了梯度大的边缘。如果发现人物轮廓变虚、文字边缘发毛，说明：
- 核太大（比如用了
9×9），换回3×3或5×5 - 图像本身对比度低，均值会让暗部更暗、亮部更亮，建议先做
cv::equalizeHist()或 CLAHE 再滤波 - 噪声不是高斯型而是椒盐型（黑白点），均值滤波效果差，此时该换
cv::medianBlur()
边界处理方式选错也会导致图像四边出现异常亮带或黑边，这时候检查 borderType 参数是不是误设成了 cv::BORDER_ISOLATED。
手写均值滤波真正难的不是循环，是让边界行为可预测、数值不溢出、多通道不串色——这些点对了，剩下的就是调窗大小的事。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
