均值滤波器可以归为低通滤波器，是一种线性滤波器，其输出为邻域模板内的像素的简单平均值，主要用于图像的模糊和降噪。
均值滤波器的概念非常的直观，使用滤波器窗口内的像素的平均灰度值代替图像中的像素值，这样的结果就是降低图像中的“尖锐”变化。这就造成，均值滤波器可以降低噪声的同时，也会模糊图像的边缘。均值滤波器的处理结果是过滤掉图像中的“不相关”细节，其中“不相关”细节指的是：与滤波器模板尺寸相比较小的像素区域。
根据均值计算方法的不同，均值滤波器有以下几种：
•算术均值滤波器
•几何均值滤波器
•谐波均值滤波器
•逆谐波均值滤波器
算术均值滤波器 Arithmetic Mean Filter
这是最简单的均值滤波器，可以去除均匀噪声和高斯噪声，但会对图像造成一定程度的模糊。
令
表示中心点在
处，大小为
的滤波器窗口。算术均值滤波器就是简单的计算窗口区域的像素均值，然后将均值赋值给窗口中心点处的像素：
其中，
表示原始图像，
表示均值滤波后得到的图像。
基于上述公式，可以很容易的得到的算术均值滤波器的窗口模板，下面以3×3为例
在OpenCV中，函数blur表示使用该模板的均值滤波器，其声明如下：
void blur( InputArray src, OutputArray dst,
Size ksize, Point anchor = Point(-1,-1),
int borderType = BORDER_DEFAULT );src是输入图像，dst为输出图像；ksize是滤波器模板窗口的大小；后两个参数分别表示，待处理像素在模板窗口的位置，默认值是窗口的中心位置，所以窗口的大小一般为奇数，最后一个参数表示对编解类型的处理，使用默认值即可。其调用示例blur(src,dst,Size(5,5)，模板窗口的大小为5×5。
盒状滤波器
当滤波器的模板的所有的系数都相等时称之为盒状滤波器 Box Filter。其使用的模板如下（3×3 为例）：
当
时，盒状滤波器可以很方便的计算图像像素邻域的和，对计算图像的各种积分特性例如图像的协方差矩阵，是很有帮助的。OpenCV中的函数boxFilter就是盒状滤波器，其声明如下：
void boxFilter( InputArray src, OutputArray dst, int ddepth,
Size ksize, Point anchor = Point(-1,-1),
bool normalize = true,
int borderType = BORDER_DEFAULT );和blur的参数比较类似，所不同的ddepth是滤波后图像的深度，-1表示和原图像的深度相同；参数normalize表示是否有归一化的参数，这是因为在boxFilter使用的模板如下：
其中，
也就是说，当normalize = true时，这也是一个默认值，其就是一个算术均值滤波器；normalize=false，盒状滤波器的作用就是计算模板窗口内的像素的和，然后将值赋给窗口中心位置的像素，主要用来计算邻域像素的和。
加权的均值滤波器
不同于上面的所有像素的系数都是相同的，加权的均值滤波器使用的模板系数，会根据像素和窗口中心像素的距离而取不同的系数。赋予中心点最高的权重，然后随着离中心点的距离增加而减小系数，这样做的目的是在平滑图像的同时尽量降低对图像的模糊。最常用的加权模板如下（3×3）为例：
其他的一些非线性均值滤波器
除了上述算术均值滤波器，根据计算均值方法的不同还有几种均值滤波。
几何均值滤波器 Geometric Mean Filter其公式如下：
滤波后图像的像素由模板窗口内像素的乘积的
幂给出。 和算术均值滤波器相比，几何均值滤波器能够更好的取出高斯噪声，并且能够更多的保留图像的边缘信息。但，其对0值是非常敏感的，在滤波器的窗口内只要有一个像素的灰度值为0，就会造成滤波器的输出结果为0。
谐波均值滤波器 Harmonic Mean Filter 其公式如下：
谐波均值滤波器对盐粒噪声（白噪声）效果较好，不适用于胡椒噪声；比较适合处理高斯噪声。
逆谐波均值滤波器 Contra-Harmonic Mean Filter其公式如下：
其中Q称为滤波器的阶数，该滤波器可以用来消除椒盐噪声。但是需要不同同时处理盐粒噪声和胡椒噪声，当Q为正时，可以消除胡椒噪声；当Q为负时，消除盐粒噪声。当Q=0时，该滤波器退化为算术均值滤波器；Q=-1时，退化为谐波均值滤波器。
均值滤波器 非线性均值滤波器中的一种，其公式如下：
P为负数时可以有效的滤去盐粒（白）噪声，正的异常值；P为正时可以过滤胡椒（黑）噪声，负的异常值。
基于OpenCV的实现
上述滤波器的实现大同小异，只是计算均值的方法不同。
Mat tmp;
copyMakeBorder(m, tmp, ksize / 2, ksize / 2, ksize / 2, ksize / 2, BorderTypes::BORDER_REFLECT); // 扩展边界
int rows = tmp.rows - ksize / 2;
int cols = (tmp.cols - ksize / 2) * tmp.channels();
for (int i = ksize / 2; i < rows - ksize / 2; i++)
{
for (int j = ksize / 2; j < cols - ksize / 2; j++)
{
// 遍历窗口内的像素，计算均值
}
}
Rect rect(ksize / 2, ksize / 2, m.cols, m.rows);
m = tmp(rect);下面就不再贴全的代码，只给出根据不同的公式计算均值的代码。
几何均值滤波器
// 取得窗口像素
double mul = 1;
for (int a = -ksize / 2; a <= ksize / 2; a++)
{
for (int b = -ksize / 2; b <= ksize / 2; b++)
{
mul *= tmp.at(i + a, j + b);
}
}
auto pixel = pow(mul, 1.0 / (ksize * ksize));
if (pixel < 0)
pixel = 0;
else if (pixel >= 255)
pixel = 255;
tmp.at(i, j) = static_cast(pixel);基本就是遍历图像的像素，然后在滤波器的窗口内根据均值的计算方式计算均值；几何滤波器，就是将滤波器窗口内的像素乘积，然后去乘积的
幂。需要说明的是：几何均值滤波器有个致命的缺陷，那就是当窗口内像素只要有一个值为0，则其计算得到的值就是0，这在去去噪时表现的比较明显，例如：
由于噪声的污染比较严重，在使用几何均值滤波器去噪时，会得到一块黑色区域（灰度值为0）。
加权的均值滤波器
// 取得窗口像素
int sum = 0;
int weightSum = 0;
for (int a = -ksize / 2; a <= ksize / 2; a++)
{
for (int b = -ksize / 2; b <= ksize / 2; b++)
{
auto weight = pow(2, ksize - abs(a) - abs(b) - 1);
weightSum += weight;
sum += weight * tmp.at(i + a, j + b);
}
}
auto pixel = static_cast<int>(sum / weightSum);
if (pixel < 0)
pixel = 0;
else if (pixel > 255)
pixel = 255;
tmp.at(i,j) = pixel;主要是权值系数的计算，可以发现一定的关系，和中心越近的其权值越高，具体公式：
，其中
为和中心在
方向的距离。
加权的均值滤波器去噪效果和均值滤波器相当，但是在保护图像细节方面比均值滤波器效果要好，上图是3×3的滤波器，窗口较小，两者的区别不是较大。
下图是7×7的滤波器，对比就比较明显了。
至于，其他的几种：谐波滤波器、逆谐波滤波器和
均值滤波器，实现都差不多，代码就不再贴出了。
总结
均值滤波器能够去除均匀分布和高斯分布的噪声，但是在过滤掉噪声的同时，会对图像造成一定的模糊，使用的窗口越大，造成的模糊也就越明显。
根据计算均值方法的不同，有多种均值滤波，经常使用的是算术均值滤波器，计算简单，但是对图像造成的模糊交明显；另外，有加权的均值滤波器，给窗口内的像素不同的系数，距离中心越近则系数越大。
使用加权的均值滤波器，去除噪声的能力和算术均值滤波器相当，但是对图像造成的模糊较轻，能够更好的保护图像的细节。（上面已有对比）
几何均值滤波器，在过滤噪声的同时也能更好的保护图像的细节，但是有个缺陷：在滤波的过程中，窗口内的像素只要有一个为0，则其得出的值就是0.
至于余下的几种，在能够去除高斯噪声，并且对椒盐噪声也有一定的作用，具体如下:
•谐波均值滤波器 能过滤盐粒噪声,对胡椒噪声无效
•逆谐波均值滤波器，当阶数Q为正时，可以过滤胡椒噪声；Q为负时可以过滤盐粒噪声。不能同时对椒盐噪声起作用。
•
均值滤波器， 和逆谐波均值滤波器类似。当P为正时，能够过滤椒盐噪声；P为负时，能够过滤盐粒噪声。
