ubuntu环境下编写均值滤波算法

以下是在 Ubuntu 环境下编写均值滤波算法的示例代码：

#include <iostream>
#include <vector>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

// 定义均值滤波函数
Mat meanFilter(Mat img, int kernel_size) {
    Mat filtered_img;
    int k = kernel_size / 2;
    int sum, count;
    for (int i = k; i < img.rows - k; i++) {
        for (int j = k; j < img.cols - k; j++) {
            sum = 0;
            count = 0;
            for (int m = -k; m <= k; m++) {
                for (int n = -k; n <= k; n++) {
                    sum += img.at<uchar>(i + m, j + n);
                    count++;
                }
            }
            filtered_img.at<uchar>(i, j) = sum / count;
        }
    }
    return filtered_img;
}

int main() {
    // 读取图像
    Mat img = imread("lena.png", IMREAD_GRAYSCALE);

    // 对图像进行均值滤波，kernel_size 为 3
    Mat filtered_img = meanFilter(img, 3);

    // 显示原图和滤波后的图像
    namedWindow("Original Image", WINDOW_NORMAL);
    imshow("Original Image", img);
    namedWindow("Filtered Image", WINDOW_NORMAL);
    imshow("Filtered Image", filtered_img);

    waitKey(0);
    return 0;
}

上面的代码中，我们使用了 OpenCV 库来读取图像，并且使用了 OpenCV 的 `Mat` 类型来表示图像。`meanFilter` 函数接受一个图像和一个 kernel_size，然后返回一个经过均值滤波处理后的图像。在函数中，我们首先计算出 kernel 的一半 k，然后对图像进行遍历，对于每个像素，计算它周围 kernel_size * kernel_size 个像素的均值，并将计算结果赋值给滤波后的图像。最后，返回滤波后的图像。

在 `main` 函数中，我们读取了一张灰度图像，并对它进行了均值滤波，kernel_size 为 3。最后使用 OpenCV 的 `imshow` 函数显示原图和滤波后的图像。