用python设计一个3*3的加权平均滤波器，滤波器的各数值如下图所示。载入原始图片， 使用该滤波器进行加权平均滤波，并输出对应的结果图。

在Python中，我们可以使用numpy库来设计一个3x3的加权平均滤波器并应用到图像处理上。首先，我们需要创建一个权重矩阵，然后定义一个函数来对每个像素点进行滤波操作。假设这个权重矩阵如下：

[[1, 1, 1],
 [1, 5, 1],
 [1, 1, 1]]

其中，中心值5代表加权最大的权重。

接下来是具体的步骤：

1. 导入库：

import numpy as np
from PIL import Image

2. 定义权重矩阵和滤波器函数：

def create_filter(kernel_size=3):
    weights = np.array([[1, 1, 1], [1, 5, 1], [1, 1, 1]]) / (kernel_size ** 2)
    return weights

def apply_average_filter(image, kernel):
    filtered_image = np.zeros_like(image)
    for i in range(1, image.shape[0] - 1):
        for j in range(1, image.shape[1] - 1):
            filtered_image[i, j] = np.sum(image[max(i - 1, 0):min(i + 2, image.shape[0]), max(j - 1, 0):min(j + 2, image.shape[1])] * kernel)
    return filtered_image

3. 载入图像并应用滤波器：

# 请确保替换为实际的图片路径
image_path = "path_to_your_image.jpg"
img = Image.open(image_path).convert('L')  # 将图片转为灰度图便于处理
weights = create_filter()
filtered_img = apply_average_filter(np.array(img), weights)

# 输出结果图
import matplotlib.pyplot as plt
plt.imshow(filtered_img, cmap='gray')
plt.show()