灰度级范围。

被认定为噪声的像素点，它的像素值往往和周围的点的像素值极不协调，比如比周围所有的像素点的值都要大很多或者小很多。我们需要用一些数学模型去描述图像中的噪声，常见的有高斯噪声、椒盐噪声等。数字图像中的噪声，指在图像的获取和传输过程中，被干扰之后不符合原来的图像内容的像素点。所谓模型，指的就是噪声点在原来的图像上是怎么分布的，以及噪声点的像素值的规律。为对称轴对称，有正也有负，将噪声叠加到图片上，此时图

相比于上面几种平滑算法，双边滤波在平滑的同时还能保持图像中物体的轮廓信息。双边滤波在高斯平滑的基础上引入了灰度值相似性权重因子，所以在构建其卷积核核时，要同时考虑空间距离权重和灰度值相似性权重。在进行卷积时，每个位置的邻域内，根据和锚点的距离d构建距离权重模板，根据和锚点灰度值差异r构建灰度值权重模板，结合两个模板生成该位置的卷积核。高斯卷积核是一个近似服从高斯分布的矩阵，随着距离中心点的距离增加

滤波器的种类有很多，比如均值类滤波器，排序统计类滤波器，选择性滤波器等，它们的区别就是使用不同的数学方法去除噪声。需要说明的是，使用滤波器去除噪声达不到百分之百还原原始图像的目的，但是滤波器能够大幅度的消除图像上的噪声，使得图像的观赏性提高很多。然后，遍历图像中的每一个像素点，将滤波器覆盖上去，以中间的灰色的点恰好覆盖在当前的像素点上，则计算滤波器覆盖到的区域的像素点的像素值的均值（算数均值或者几

灰度级范围。