滤波的本义是指信号有各种频率之分，过滤掉不需要的成分，即图像中的噪声，保留下需要的成分，这就是滤波的目的，也是过程。常用的滤波器包括下面几种：

（1） 均值滤波器

采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图象中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与邻域半径成正比。

（2） 自适应维纳滤波器

它能根据图象的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像 与原始图像 的均方误差 最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。

（3） 中值滤波器

它是一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图象的统计特性,这也带来不少方便,但对一些细节多,特别是点、线、尖顶细节较多的图象不宜采用中值滤波的方法。

（4） 形态学噪声滤波器

将开启和闭合结合起来可用来滤除噪声,首先对有噪声图象进行开启操作,可选择结构要素矩阵比噪声的尺寸大,因而开启的结果是将背景上的噪声去除。最后是对前一步得到的图象进行闭合操作,将图象上的噪声去掉。根据此方法的特点可以知道,此方法适用的图像类型是图象中的对象尺寸都比较大,且没有细小的细节,对这种类型的图像除噪的效果会比较好。

（5） 小波去噪

这种方法保留了大部分包含信号的小波系数,因此可以较好地保持图象细节。小波分析进行图像去噪主要有3个步骤:(1)对图象信号进行小波分解。(2)对经过层次分解后的高频系数进行阈值量化。(3)利用二维小波重构图象信号。

1.2.4 图像价值的评价

图像质量评价的研究是图像信息科学的基础研究之一，对图像处理或图像通信系统，其信息的主体是图像，衡量这个系统的重要指标，就是图像的质量。图像质量的含义包括两方面：一个是图像的逼真度，即被评价图像与原标准图像的偏离程度；另一个是图像的可值度，是指图像向人或机器提供信息的能力。现在的评价方法一般分为主观和客观两种。

主观评价通常有两种：一种是作为观察者的主观评价，这是由选定的一组人对图像直接用肉眼进行观察，然后分别给出其对所观察的图像的质量作好或坏的评价，再综合全组人的意见给出一个综合结论。它只是一种定性的方法，没有定量的标准，而且受到观察者的主要因素的影响，评价结果有一定的不确定性。另一种是随着模糊数学的发展，可以用模糊综合评价方法来尽量减少主观因素的影响，实现对图像质量近似定量的评价，不过它仍然没有完全消除主观不确定性的影响，其定量计算公式中的参数往往要依赖专家经验确定。

尽管主观质量的评价是权威的方式，但是在一些研究场合，或者由于实验条件的限制，也希望对图像质量有一个定量的客观描述，图像质量的客观评价由于着眼点不同而有多种方法，一般由均方根误差或均方根信噪比来评定，本文暂不作详细介绍。但有一点，主观评价和客观评价这两种图像质量评价标准有各自的优缺点，一种折中的方法是在衡量图像“降噪”算法的优劣时，将主观与客观两种标准结合起来考虑。