### 实现图片灰度化并应用均值滤波 为了实现将图像转换为灰度并将均值滤波器应用于该灰度图像，可以使用 `OpenCV` 库中的函数。以下是完整的解决方案： #### 加载图像并转换为灰度 首先，需要导入必要的库，并加载输入图像。然后利用 `cv2.cvtColor()` 方法将彩色图像转换为灰度图像。 ```python import numpy as np import cv2 # Load the image image = cv2.imread("raptors.jpg") # Convert the image to grayscale gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # Display the original and grayscale images cv2.imshow("Original Image", image) cv2.imshow("Grayscale Image", gray_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 此部分代码实现了从原始图像到灰度图像的转换[^1]。 #### 均值滤波的应用 均值滤波可以通过卷积操作完成，其中核矩阵是一个大小固定的窗口，其所有元素均为相等权重。这可以通过 `cv2.blur()` 或者更通用的 `cv2.filter2D()` 来实现。 下面展示如何使用 `cv2.blur()` 对灰度图像进行均值滤波处理： ```python # Apply mean filtering with kernel size (5, 5) mean_filtered_image = cv2.blur(gray_image, (5, 5)) # Show the filtered result cv2.imshow("Mean Filtered Grayscale Image", mean_filtered_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这里 `(5, 5)` 表示用于平滑图像的矩形窗口尺寸。更大的窗口会带来更强的模糊效果，但可能会丢失更多细节[^2]。 如果希望自定义卷积核，则可采用如下方法： ```python kernel = np.ones((5, 5), dtype=np.float32) / 25 custom_mean_filtered_image = cv2.filter2D(gray_image, -1, kernel) # Display custom-filtered image cv2.imshow("Custom Mean Filtered Grayscale Image", custom_mean_filtered_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段代码创建了一个 $5 \times 5$ 的单位矩阵作为卷积核，并将其归一化以便于执行平均运算[^2]。 --- ### 总结 以上展示了如何在 PyCharm 中通过 Python 脚本实现图像灰度化以及对其施加均值滤波的过程。具体而言，先借助 OpenCV 将 RGB 图像转成单通道灰度形式；接着运用内置函数或者手动设计卷积核来进行均值滤波操作。 ---