图像滤波，即在尽量保留图像细节特征的条件下，对目标图像的噪声进行抑制，如去减少下雨天中雨滴对图像处理结果的影响，是图像预处理中不可缺少的操作，其处理效果的好坏直接影响到后续图像处理和分析的有效性和可靠性。

图像滤波的特点

1. 需要消除图像中混入的噪声
2. 为图像识别抽取出图像特征
3. 不能损坏图像轮廓及边缘
4. 图像视觉效果应当更好

   常见滤波算法

   1.均值滤波

   均值滤波用其像素点周围像素的平均值代表原来像素值，在滤除噪声的同时也会滤掉图像的边缘信息。

   2.中值滤波

   中值滤波用测试像素周围邻域像素集中的中值代替原像素。中值滤波去除斑块噪声时，效果非常明显。

   3.高斯模糊滤波

   高斯模糊滤波通过将其像素点以及周围的每个点像素点乘以一个权重。将这9个值加起来，就是中心点的高斯模糊的值。
   注：如果一个点在边界，周围没有足够的点，可以把已有的点拷贝到另一面的对应位置，模拟出完整的矩阵。

   4.双边滤波

   双边滤波与高斯滤波器相比，对图像的边缘信息能够更好的保存。
   其原理为一个与空间距离相关的高斯函数与一个灰度距离相关的高斯函数相乘。因为加入了灰度信息的权重，而边缘往往意味着灰度的改变，所有在遇到边缘的时候，可以处理的更加平滑。
   空间距离：当前点与中心店的欧式距离。
   灰度距离：当前点灰度与中心点灰度的差的绝对值。
   双边滤波加入了对灰度信息的权重，通过灰度信息和距离权重相乘得到最终的卷积模板。