前言
上一篇文章，我们讲解了图像的虚拟边缘，这篇文章开始进行平滑（也就是模糊）处理。
基本原理
这里直接引用OpenCV 2.4+ C++ 平滑处理和OpenCV 2.4+ C++ 边缘梯度计算的相关内容：
平滑也称模糊, 是 一项简单且使用频率很高的图像处理方法。
平滑处理时需要用到一个滤波器。 最常用的滤波器是线性滤波器，线性 滤波处理的输出像素值（例如：g(i,j)）是输入像素值（例如：f(i+k,j+l)）的加权平均：
g(i,j) = sum_{k,l} f (i+k, j+l) h(k,l)
h(k,l)称为核, 它仅仅是一个加权系数。
这里涉及一种叫做“卷积”的运算，那么卷积 是什么呢？
卷积是在每一个图像块与某个算子（核）之间进行的运算。
核？！
核就是一个固定大小 的数值数组。该数组带有一个锚点 ，一般位于数组中央。
kernel example
可是这怎么运算啊？
假 如你想得到图像的某个特定位置的卷积值，可用下列方法计算：
将核的锚点放在该特定位置的像素上，同时，核内 的其他值与该像素邻域的各像素重合；
将核内各值与相应像素值相乘，并将乘积相加；
将所得结果放到与锚点对应的 像素上；
对图像所有像素重复上述过程。
用公式表示上述过程如下：
H(x,y) = sum_{i=0}^{M_{i} - 1} sum_{j=0}^{M_{j}-1} I(x+i - a_{i}, y + j - a_{j})K(i,j)
在图像边缘的卷积怎么办呢？
计算卷积前， 需要通过复制源图像的边界创建虚拟像素，这样边缘的地方也有足够像素计算卷积了。这就是为什么上一篇文章需要做虚拟 边缘函数。
均值平滑
均值平滑实际上就是内核元素全是1的卷积运算，然后再除以内核的大小，用数学表达 式来表示就是：
texttt{K} = frac{1}{texttt{ksize.width*ksize.height}} begin{bmatrix} 1 & 1 & 1 & cdots & 1 & 1 1 & 1 & 1 & cdots & 1 & 1 hdotsfor{6} 1 & 1 & 1 & cdots & 1 & 1 end{bmatrix}