基于卷积的平滑去噪

    噪声的产生是因为图像中的某些像素的灰度值发生了突变，使得和周围区域不和谐。除噪其实去除高频噪声，使得图像中的噪声像素的灰度值不那么突兀。

用于平滑去噪和图像锐化（之后会介绍）的卷积核所有的元素之和一般要等于1，这是为了原始图像的能量（亮度）守恒。如果滤波器矩阵所有元素之和大于1，那么滤波后的图像就会比原图像更亮，反之，如果小于1，那么得到的图像就会变暗。如果和为0，图像不会完全黑，但只会突出一些边缘。

从频率域观点来看这些滤波器是一种低通滤波器，高频信号将会去掉，因此可以帮助消除图像尖锐噪声，实现图像平滑，模糊等功能。

用高斯核对图像进行卷积运算，会使图像更模糊（平滑），而模糊的程度由高斯的标准方差  决定， 方差 越大，平滑程度越大。高斯滤波可以有效的从图像中去除高斯噪音。 

均值滤波卷积核所覆盖的九个像素点具有同样权重， 该卷积核的作用在于取九个值的平均值代替中间像素值，所以起到的平滑的效果。

相比于高斯滤波，它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，丢失了图像本身的一些属性，从而使图像变得模糊，不能很好地去除噪声点。

高斯滤波和均值滤波对去除高斯噪声的效果比较好，但是在噪声是椒盐噪声而不是高斯噪声，即图像偶尔会出现很大的噪声点的时候，用高斯滤波和均值滤波对图像进行平滑模糊的话，噪声像素是不会被去除的，它们只是转换为更为柔和但仍然可见的散粒。

其他滤波器都是用计算得到的一个新值来替代中心像素的值，而中值滤波是将周围像素和中心像素九个值进行排序以后，取中间值来替代中心像素。

 中值滤波消除的噪声能力更胜一筹。中值滤波无论是在消除噪声还是保存边缘方面都是一个不错的方法。