1、加载模块：
import Zft
import cv2
import numpy as np
其中，cv2也可以用别的图像处理模块代替，比如imageio。
2、以灰度图的模式，读取图片数据：
img=cv2.imread('0.jpg',0)
确定图片的像素尺寸：
u,v=img.shape[:2]
给出一个卷积内核，这个内核是3阶平均内核：
kernel=np.array([1]*3**2)/3**2
根据内核大小，扩充图片的边界：
pic=np.zeros((u+2,v+2))
pic[1:-1,1:-1]=img
3、开始进行卷积处理。
.
.
.
代码中的a是一个9阶向量，kernel也是一个9阶向量，这俩向量可以进行点乘，得到一个具体的数值，来代替原图相应位置的像素。
4、保存的图片如下，看起来有一点模糊的效果了。
5、但是我们有可能会使用别的卷积内核，比如5阶平均内核：
kernel=np.array([1]*5**2)/5**2
因此，我们需要把这个卷积的过程包装成一个函数，要求它可以适用于任何选定的卷积内核。
6、看看7阶平均内核的模糊效果。
