线性平滑滤波器能很好的去除噪声，对很多状况下，也能对高斯噪声有很好的处理结果。而非线性滤波器可以根据各个图像不同的特点进行单独的设计来处理，虽然可能繁琐但是在处理结果上具有一定的优势。线性滤波器实现滤波的手段是取一个连续的窗口函数，将窗口中全部的像素计算出它们的加权和，然后用这个值来代替原来的像素值。这样可以用相同的权重因子，把它用在每一个选定的窗口中，于是就可以使用一定的模板来处理图像，最终达到我们滤波的目的。非线性滤波器滤波方法各有特点，对不同的图像处理采用特定的方式。
对图像进行滤波后的结果的要求是，既能够滤除掉图像中的噪声，同时还要能够保持好图像的原有的细节信息，能够减少图像的失真。但是在图像处理的时候，图像中的细节信息和噪声往往是重叠在一起的，这就导致了一个矛盾，就是图像滤波和图像细节保留的矛盾。因此，典型的滤波器的优缺点都与这两点有关，也就显而易见了。
 2  图像和图像滤波器简介
2.1  图像简介
图像是人们认知世界的视觉基础，是人类获得信息，传达信息的一种很重要的手段。图像是人们来描述客观事物的一种形式，可以表现出事物本身的一些特征与信息，但是并不能准确的全部表现出事物本身，不能说图像就是事物本身。光学上考虑，物体辐射出的光的客观的，实际的分布情况就是“图”，人的视觉系统，也就是眼睛对于图进行接收，在大脑中形成了一定的印象，这是人眼感知的东西， 称它是“像”。如果把这两者相结合，就有了图像的说法，因此，图像可以看成是对于客观景物的一种描述，而这种描述也就是数学上讲的，通过某种系统的映射关系得到的。
图像的范围包含图画、照片、电视、电影等等。由于图像的便捷之处，人类在近代的科学研究、军事技术、工农业生产、气象、医学等领域中，可以更方便地认知和判别事物，帮助自己解决各种不同的问题。
根据形式或产生来分类，我们可以把图像分为三类。第一类是可见图像，也就是指即人眼能够看到的图像。它指的是物质或者能量的真实的分散情况，也被称为物理图像。第二类是虚拟图像，这种图像的处理手段，是将由概念形成的物体来进行数学表示，而这些物体可能并不是实物。比如想象中的事物，想象中的光照之类，都可以采用数学建模的方法，应用成像的几何原理来制作到计算机上。第三类是数字图像，这种图像的原理是使用一个数字的阵列，阵列中的数字表示图像的性质，是由连续函数或离散函数生成的抽象图像[2]。
2.2  图像滤波器简介
现实中，由摄像机获取的图像，大多数都存在噪声，这样的话，我们大多在图像处理过程之前，要对图像进行一定的滤波处理。滤波实际上是基于图像的灰度值，观察一个随机过程的处理成果，并且它与另外一个相似的随机过程相比较，然后来预测概率大小的这样的一种理论和方法。
通常情况下，我们得到的来自传感器的数据都是离散的，线性滤波方法被相应地基于所述像素附近的像素的灰度值的加权平均所得，我们选择的这个权值大小的不同，进行加权的数据的选择的范围的不同，从而会产生不同的滤波方法。通过实际检验，这样处理之后，近似白噪声的噪声信号，可以有效地被去除掉。
按照信号的处理方式进行分类的话，滤波器可以分成这两种，即模拟滤波器和数字滤波器。按照通频带的方式来分类，滤波器可以分成这几种：高通滤波器、低通滤波器、带通滤波器、带阻滤波器等等[3]。图像滤波方式还可以这样分类，分为空域滤波和频域滤波。空域滤波是直接对图像的数据做空间变换，频域滤波却不是这样，频域滤波首先要进行傅立叶变换，将图像变换到频域来进行处理，之后我们需要在此反变换回到空间域上，进行图像的还原处理。这种运算也是对于邻域进行处理的运算，我们使用特定的算法，用来计算得到的图像的输出的任何像素的值，并且他们都是与输入图像中的像素的周围一定区域内像素的值有关的，而关系计算就是我们设定的算法的计算方式。倘若输出的像素能够由输入像素的所有的邻域像素进行线性表示的话，那么我们称它为线性滤波（例如最常见的均值滤波和高斯滤波），否则的话就是不能线性表示，这种情况下我们称之为非线性滤波（例如中值滤波、双边滤波等等）。 图像滤波器的设计+文献综述(2):http://www.youerw.com/tongxin/lunwen_22158.html