滤波实质上就是对图像进行卷积运算。而卷积的运算可以分为反转、平移，相乘，求和。在图像处理中，图像是一个大矩阵，卷积模板是一个小矩阵。
按照上述过程，就是先把小矩阵反转，然后平移到某一位置，小矩阵的每一个小格对应大矩阵里面的一个小格，然后把对应小格里面的数相乘，把所有对应小格相乘的结果相加求和，得出的最后结果赋值给小矩阵中央小格对应的图像中小格的值，替换原来的值。就是上述说到的，反转、平移、相乘、求和。
一般图像卷积就是从第一个像素（小格）开始遍历到最后一个像素（小格）。之后的平滑、模糊、锐化、边缘提取等本质上都是卷积，只是模板不同。了解以上之后，就很好理解了。
均值滤波就是对模板对应的图像像素求均值然后赋值给模板中心对应的那个像素值。
高斯滤波模板是二维高斯函数的离散化表示，高斯函数就是我们熟悉的正态分布。所以可以知道模板是中心值大，而越往外越小，高斯模板就是按照高斯函数递减的模板。
如果把模板小矩阵的每一个元素视为一个权值的话，均值滤波就是所有元素权值相等，高斯滤波就是中心点权值最大，越往外所占越小。比平均滤波的好处是可以突出重点。
匿名回答于2021-02-06 17:17:37
1、 均值滤波（对高斯噪声具有较好的处理效果）
均值滤波在去噪声的同时会有如下缺点：边界模糊效应明显、细节丢失比较严重；无法去掉噪声，只能微弱的减弱它。
高斯噪声：高斯噪声是指它的概率密度函数服从高斯分布的一类噪声
高斯分布（正态分布）：正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。
2、 中值滤波
中值滤波在边界的保存方面优于均值滤波，是经常使用的一种滤波器，但是在模板逐渐变大时，依然会存在一定的边界模糊。中值滤波对处理椒盐噪声非常有效，或者称为脉冲噪声。从中值滤波扩展出来最大值滤波器和最小值滤波器。
3、 高斯滤波
高斯滤波器是利用高斯核与输入图像的每个点进行卷积。提到高斯，就想到‘草帽’，更能记住它。高斯滤波器是一种平滑线性滤波器，使用高斯滤波器对图像进行滤波，其效果是降低图像灰度的“尖锐”变化，也就是使图像“模糊”了。高斯滤波对于抑制服从正态分布的噪声效果非常好，其代价是使图像变得“模糊”。相对于均值滤波边缘丢失的情况有缓解，但还是无法避免。
匿名回答于2022-04-10 04:17:06
