一、方和滤波

使用API --- boxFiter(src, ddepth, ksize[,dst[,anchor[, normalize[, borderType]]]])方盒滤波

方盒滤波的卷积核如下所示：

--- normalize = Ture时， a = 1 / （W*H）滤波器的宽高

--- normalize = False时， a = 1   相当于什么都没做

一般情况使用normalize = Ture的情况，这时方盒滤波等价于均值滤波。

二、均值滤波

使用API---blur（src，ksize[, dst[, anchor[, borderType]]]）

blur（模糊不清的事物，模糊的）

示例代码如下：

import cv2
import numpy as npdog = cv2.imread("dog.png")
NEW_DOG = cv2.resize(dog, (640, 480))
# 不需要手动创建卷积核， 只需要告诉方盒滤波，卷积核的大小是多少
# 创建方盒滤波
# new_dog = cv2.boxFilter(NEW_DOG, -1, (5, 5), normalize=True)
# 创建均值滤波
new_dog = cv2.blur(NEW_DOG, (5, 5))
cv2.imshow("Dog", np.hstack((NEW_DOG, new_dog)))
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下：

可以得到： 

1）均值滤波会将图片变得模糊。

2）均值滤波和方和滤波在normalize = True的效果一样。