使用C++语言，构建一个简易的图像处理系统，实现图像文件读写、图像显示、统计量计算、直方图绘制、图像缩放、图像旋转、滤波等基础的图像处理功能。

好的，下面是一个简易的C++图像处理系统实现方案，可以实现图像文件读写、图像显示、统计量计算、直方图绘制、图像缩放、图像旋转、滤波等基础的图像处理功能。由于篇幅限制，代码中只包含部分功能的实现，您可以根据需要进行扩展和优化。

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

using namespace cv;
using namespace std;

void showImage(Mat image, string title = "Image") {
    namedWindow(title, WINDOW_NORMAL);
    imshow(title, image);
}

void showHistogram(Mat image, string title = "Histogram") {
    Mat hist;
    int channels[] = { 0 };
    int bins = 256;
    float range[] = { 0, 256 };
    const float* ranges[] = { range };
    calcHist(&image, 1, channels, Mat(), hist, 1, &bins, ranges, true, false);

    int hist_w = 512, hist_h = 400;
    int bin_w = cvRound((double)hist_w / bins);
    Mat hist_image(hist_h, hist_w, CV_8UC3, Scalar(0, 0, 0));
    normalize(hist, hist, 0, hist_image.rows, NORM_MINMAX, -1, Mat());
    for (int i = 1; i < bins; i++) {
        line(hist_image, Point(bin_w * (i - 1), hist_h - cvRound(hist.at<float>(i - 1))),
            Point(bin_w * (i), hist_h - cvRound(hist.at<float>(i))), Scalar(255, 255, 255), 2, 8, 0);
    }

    showImage(hist_image, title);
}

int main(int argc, char** argv) {
    // 读取图像文件
    Mat image = imread("lena.jpg", IMREAD_COLOR);
    if (image.empty()) {
        cout << "无法读取图像文件！" << endl;
        return -1;
    }
    showImage(image);

    // 计算图像统计量
    Scalar mean_val, stddev_val;
    meanStdDev(image, mean_val, stddev_val);
    double mean = mean_val[0];
    double stddev = stddev_val[0];
    cout << "平均值：" << mean << endl;
    cout << "方差：" << stddev * stddev << endl;
    cout << "标准差：" << stddev << endl;

    // 显示图像直方图
    showHistogram(image);

    // 图像缩放
    Mat resized_image;
    resize(image, resized_image, Size(), 0.5, 0.5, INTER_LINEAR);
    showImage(resized_image, "Resized Image");

    // 图像旋转
    Point2f center(image.cols / 2.0, image.rows / 2.0);
    double angle = 30.0;
    Mat rotation_matrix = getRotationMatrix2D(center, angle, 1.0);
    Mat rotated_image;
    warpAffine(image, rotated_image, rotation_matrix, image.size(), INTER_LINEAR);
    showImage(rotated_image, "Rotated Image");

    // 滤波
    Mat filtered_image;
    GaussianBlur(image, filtered_image, Size(5, 5), 0, 0);
    showImage(filtered_image, "Filtered Image");

    // 等待用户按键
    waitKey(0);

    return 0;
}

在这个示例中，我们首先读取一个彩色图像，并使用showImage函数显示图像。接着，我们使用meanStdDev函数计算图像的统计量，并输出这些统计量的值。然后，我们使用showHistogram函数计算并显示图像的直方图。接下来，我们使用resize函数对图像进行缩放操作，并使用warpAffine函数对图像进行旋转操作。最后，我们使用GaussianBlur函数对图像进行高斯滤波操作，并使用showImage函数显示滤波后的图像。

需要注意的是，showImage和showHistogram函数分别用于显示图像和直方图，可以根据需要进行修改和扩展。

当然，这只是一个简单的示例，您可以根据需要进行更加深入的开发和优化，例如实现更多的图像处理功能。