滤波：从方法上是利用像素与其周围相邻像素的关系，进行邻域处理的方法，通过图像的卷积运算实现。可分为空间域滤波和频域滤波。
空间域滤波：对图像通过窗口或卷积核进行滤波
频率域滤波：对图像进行傅里叶正变换，然后对变换后的频率图像进行滤波
表1 图像噪声类型
| 图像噪声类型 | 定义 | 表现 | 备注 |
|---|---|---|---|
| 高斯噪声 | 噪声的像素值分布可以使用高斯概率密度来描述，0均值的高斯噪声指每个像素值中附加了0均值，具有高斯概率密度的函数值 | 常用统计特征来描述噪声，如均值、方差 | |
| 脉冲噪声（椒盐噪声） | 脉冲噪声随机地改变一些像素的亮度值。负脉冲为黑点，正脉冲为白点。为随机分布噪声 | 在二值图像上表现为一些像素点变白，一些像素点变黑 | |
| 周期噪声 | 图像获取过程中受成像设备影像而产生的噪声，是一种空间依赖型噪声 | 有明显的特征，如坏点、条带 |
空间域滤波
对图像中某些空间、频率特征的信息增强或抑制
如增强高频信息（同时抑制低频信息），即突出边缘、纹理、线条、图像的清晰化等。
增强低频信息（同时抑制高频信息），即消除噪声、去除图像的细节。
优劣势：
空间域滤波是在图像的空间变量内进行局部运算，使用空间二维卷积方法，特点是运算简单、易于实现，但有时精度较差，容易过度增强，使图像产生不协调的感觉；频率域使用傅氏分析等方法，通过修饰原图像的傅氏变换来实现，特点是是计算量大，但比较直观，精度比较高，图像视觉效果好。
思路：
- 提取原图中的边缘信息，进行加权处理，然后与原图叠加
- 提取原图中模糊成分进行加权处理，然后与原图进行叠加
- 使用某一指定的函数对原图进行加权，合成图像产生平滑或锐化的效果
空间域滤波主要是图像的平滑和锐化处理。进行运算时都使用空间卷积技术（又称淹没技术），亦即借助模板在原图像上移动，逐快地进行局部运算
理解：
是一种卷积运算方法，开一个M×N小窗口，对窗口内的像素按一定规则进行操作，所得到的结果赋值为中间像元。这个一定规则即是滤波的函数名称。
图像的锐化：通过图像的微分计算构造卷积算子，这种运算提高了图像中边缘信息（如地物边缘、轮廓或线状目标）与周围像素之间的反差，因此也称为边缘增强。它使图像的边缘得到突出
图像的平滑：通过构造积分卷积算子，将图像中出现的亮度变换过大的区域，或出现噪声的地方，用平滑的方法减少其变换、抑制噪声从而改善图像的质量
值得注意的是，图像的锐化，在增强图像边缘信息的同时会使图像的波谱信息丢失。而图像的平滑则在去噪声的同时也会使图像的边缘模糊