编程实现像素化效果可以通过以下步骤进行：
加载图像
首先，需要加载要进行像素化处理的原始图像。可以使用各种编程语言和库来实现图像的加载和处理，例如Python中的PIL库（Python Imaging Library）。
定义像素块大小
根据需求，需要定义像素化效果中每个像素块的大小。通常，像素块的大小越小，像素化效果越明显。
图像分割
将原始图像分割成大小相等的小块。可以使用循环来遍历图像的像素，并将每个像素放入对应的小块中。
计算平均颜色
对于每个像素块，计算其中像素的平均颜色。可以通过将每个像素的红、绿、蓝三个颜色通道的值相加，然后除以像素数量来计算平均颜色。
应用平均颜色
将每个像素块内的像素颜色设置为该小块的平均颜色。可以通过循环遍历每个像素块中的像素，并将其颜色值设置为平均颜色来实现。
显示处理后的图像
最后，将经过像素化处理后的图像显示出来。可以使用图像处理库或编程语言提供的图形界面功能来实现图像的显示。
参数调整
编程像素化效果通常具有一些参数可以调整，以控制像素化的程度和样式。例如，可以调整块的大小，从而决定最终像素化效果的粗细程度。还可以调整颜色平均化的方法，如简单平均、加权平均等，以达到不同的效果。
```python
from PIL import Image
def pixelate_image（image_path, block_size）:
打开图像
img = Image.open（image_path）
width, height = img.size
创建一个新的图像，大小是原图像的1/block_size
pixelated_img = Image.new（'RGB', （width // block_size * block_size, height // block_size * block_size））
遍历原图像的每个像素块
for x in range（0, width, block_size）:
for y in range（0, height, block_size）:
计算当前像素块的颜色平均值
block_color = tuple（map（int, img.getpixel（（x, y））））
将当前像素块的所有像素颜色设置为计算得到的平均颜色
for i in range（x, x + block_size）:
for j in range（y, y + block_size）:
pixelated_img.putpixel（（i // block_size * block_size + （i % block_size）, j // block_size * block_size + （j % block_size））, block_color）
显示处理后的图像
pixelated_img.show（）
使用示例
pixelate_image（'example.jpg', 10）
```
在这个示例中，我们首先打开了一个名为`example.jpg`的图像，并将其分割成10x10的像素块。然后，我们计算每个像素块的颜色平均值，并将所有像素的颜色设置为该平均值。最后，我们显示处理后的图像。
通过调整`block_size`参数，可以控制像素化效果的粗细程度。较小的`block_size`值会产生更明显的像素化效果，而较大的值则会使图像看起来更平滑。此外，还可以通过其他方法进一步调整像素化效果，例如使用不同的颜色量化算法或应用不同的滤镜。