1.均值滤波
均值滤波是一种基本的线性图像滤波方法，主要用于图像平滑和噪声去除。
特点
优点：
算法简单，计算速度快
对高斯噪声有较好的去除效果
能有效平滑图像中的小波动
缺点：
会导致边缘模糊
对椒盐噪声(脉冲噪声)效果不佳
随着滤波器尺寸增大，模糊效果越明显
应用场景
图像预处理中的噪声去除
作为更复杂算法的基础步骤
需要快速实现简单平滑的场合
2.中值滤波
中值滤波是一种经典的非线性图像滤波方法，主要用于去除噪声同时较好地保留图像边缘信息。
特点
优点：
能有效去除椒盐噪声和脉冲噪声
相比均值滤波，能更好地保留图像边缘
对某些随机噪声也有不错的效果
不会产生新的灰度值（保持原始像素值）
缺点：
计算复杂度高于均值滤波（需要排序操作）
对高斯噪声的去除效果不如均值滤波
大窗口滤波可能导致细节丢失
应用场景
医学图像处理（如X光片、CT图像去噪）
去除文档图像中的斑点噪声
监控视频中去除随机噪声
任何需要保留边缘的去噪场合
3.高斯滤波
高斯滤波是一种基于高斯函数的线性平滑滤波器，广泛用于图像处理中的去噪和模糊操作。
特点
优点：
有效去除高斯噪声
相比均值滤波能更好地保留边缘
具有各向同性特性（旋转对称）
可调节σ值控制平滑程度
缺点：
计算复杂度高于均值滤波
对椒盐噪声效果不佳
仍会导致一定程度的边缘模糊
应用场景
图像预处理中的去噪
计算机视觉中的特征提取前处理
图像金字塔构建
边缘检测前的平滑处理