线性滤波
均值滤波
滤波方式为邻域平均，线性滤波的基本原理是使用均值代替原图像中的各个像素值。
优缺点：滤波的同时，图像也损失了细节
高斯滤波
类似于均值滤波，是通过高斯函数来进行加权平均。
二维的高斯函数为：
\[h(x,y)=\frac{1}{2\pi\sigma^2}e^{-\frac{x^2+y^2}{2\sigma^2}}\]其中$(x,y)$ 表示的是点的坐标，将坐标带入到高斯函数中，可以得到模板的系数值。
计算完成后还需要进行归一化，确保权重最终为1，且图像的灰度不会发生较大的变化。
σ越大，高斯滤波器的频带就较宽，对图像的平滑程度就越好。
非线性滤波
中值滤波
中值滤波的方法是在特定的模板中，去种植作为模板中心的像素值。 \(\sum_{j=1}^n\frac{\sum_{i=1}^n}{\sin\left(x-x_i\right)}\)
