平均滤波器将滤波器中的所有像素值视为中心像素值的测量，将滤波器中所有像素值的平均值设为滤波器中心的图像像素值。 滤波器中的各数据表示对应的像素在确定中心像素值的过程中所占的权重，由于滤波器中的所有像素值在确定中心像素值的过程中占有相同的权重，因此滤波器中的各数据相等。均值滤波的优点是在像素值变换趋势一致的情况下，可以将受噪声影响而突然变化的像素值修正到接近周围像素值变化的一致性下但这种滤波方式会缩小像素值之间的差距，使得细节信息变得更加模糊，滤波器范围越大，变模糊的效果越明显。
voidblur(inputarraysrc，OutputArray dst，Size ksize，pointanchor=point(-1，-1)，int borderType=BORDER_DEFAULT平均dst )平均值滤波后的图像具有与输入图像相同的大小和数据类型。 ksize :卷积核大小。 anchor (内核注册点(锚点) )，默认值为(-1，-1)，指示内核注册点位于kernel的中心位置。 即，卷积核中与进行处理的像素点重叠的点必须位于卷积核的内部。 borderType :用像素外推法选择标志，取值范围如表3-5所示。 缺省参数为BORDER_DEFAULT，表示不包含边界值的反向填充。 该函数第一个参数为待滤波图像可以是彩色图像或灰度图像，也是存储在Mat类型中的多维矩阵数据。第二个参数滤波后的图像保存着与输入图像相同的数据类型、大小和信道数。 输入过滤器的大小后，函数会自动确定过滤器，如下所示
请参阅。
默认情况下，函数第三个参数是滤波器的尺寸的注册点是过滤器的几何中心，但可以根据需要自由调整。第四个参数为确定滤波器的基准点。在均值滤波中调整基准点的位置主要影响图像外推的方向和外推的尺寸可以根据需求自由选择。 在原始图像边缘位置的滤波计算处理中必须使用外推像素值，但由于这些像素值在图像像素值的变化中不实际反应，因此在滤波后的图像中边缘信息可能发生较大变化，这是一种正常现象。 如果边缘包含重要信息，可以适当减小滤镜大小，选择适当的滤镜参考点，或使用适当的图像外推算法。
简单的例子
//createdbysmallflyflyon 2021/6/11.//# include ' opencv2/opencv.HPP ' # include ' opencv2/highui.HPP ' # usid int main () matim=imread('test.jpg )； resize(im、im、size ) 0，0 )、0.5、0.5 )； matgauss noise=mat :3360 zeros (im.rows，im.cols，im.type ) )； RNG rng； RNG.fill(Gaussnoise，RNG:NORMAL，10，20 )； Mat imGaussNoise=im gaussNoise； imshow(gaussim )、imGaussNoise； Mat blurIm1，blurIm2； blur(imgaussnoise，blurIm1，size (3，3 ) )； imshow(blurIm1 )、blurim1 )； blur(im，blurIm2，size ) ) 3，3 )； imshow(blurIm2 )、blurim2 )； 维客(0； destroyAllWindows (； 返回0； }