题目：由 256 种不同浓淡的灰色描绘的图像称为灰度图，其中每个 像素是用整数 0~255 编码表示这 256 种灰色，整个灰度图表示为 一个各个像素灰度值构成的整形矩阵。但由于各种干扰因素的 影响，图像像素信息中常含有噪声。 在数字图像处理领域中，均值滤波是一种简单有效的去噪技术， 具体方法是：对目标像素给一个滤波模板，该模板包括了其周围 临近像素（如 3×3 模板是以目标像素为中心的周围 8 个像素， 加上自身共 9 个像素构成一个滤波模板），再用模板中的全体像素 的平均值来代替原来像素值。请以 3×3 为滤波模板，完成下面函数： mean_filter (int srcImage [SIZE][SIZE], int dstImage [SIZE][SIZE])， 实现上述的灰度图均值滤波过程，其中参数 srcImage 为原始灰度图， 均值滤波后结果图像存储在 dstImage。 注意：原始图像中四个边缘上的像素值保持不变！ 说明：简化起见，题目中所有图像都是 4×4 的矩阵。

以下是灰度图均值滤波的C++函数实现：

#define SIZE 4

void mean_filter(int srcImage[SIZE][SIZE], int dstImage[SIZE][SIZE]) {
    // 复制原始图像到目标图像
    for (int i = 0; i < SIZE; i++) {
        for (int j = 0; j < SIZE; j++) {
            dstImage[i][j] = srcImage[i][j];
        }
    }
    
    // 对每个像素应用均值滤波
    for (int i = 1; i < SIZE - 1; i++) {
        for (int j = 1; j < SIZE - 1; j++) {
            int sum = 0;
            int count = 0;
            for (int m = i - 1; m <= i + 1; m++) {
                for (int n = j - 1; n <= j + 1; n++) {
                    sum += srcImage[m][n];
                    count++;
                }
            }
            dstImage[i][j] = sum / count;
        }
    }
}

你可以调用该函数，传入原始灰度图 `srcImage` 和目标图像 `dstImage` 的二维数组，即可实现灰度图的均值滤波处理。注意，题目要求边缘上的像素值保持不变。