线性：两个信号之和的响应 = 各自响应之和
散粒噪声：即图像偶尔会出现很大的值，用高斯滤波器进行模糊，噪声像素不会被去除的。只是转为了更加柔和但仍然可见的散粒，这个时候中值滤波来了。
中值滤波
邻域（一般采用奇数点的领域）灰度值的中值来代替该像素点的灰度值，在去除脉冲噪声、椒盐噪声的同时能很好的保留边缘细节。
基本原理是把数字图像或序列中一点的值用该点的领域中各点值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点。对斑点噪声、椒盐噪声尤其游泳。
中值滤波和均值滤波比较
优势：均值滤波中，噪声成分也放入平均计算中了，所以输出受到了噪声的影响。但中值滤波中，噪声成分很难选上，所以几乎不会影响到输出。所以中值滤波消除噪声的能力更胜一筹。
劣势：中值滤波花费的时间是均值滤波的5倍以上。
中值滤波在一定条件下，可以克服线性滤波器所带来的图像细节模糊，实际运算中不需要图像的统计特性，但是对一些细节（特别是细、尖顶）多的图像不太合适。
双边滤波
同时考虑空间信息（空间邻近度）和灰度相似性，达到保边去噪，简单。
好处是：
可以做边缘保存，以往用的高斯滤波去噪，会明显的模糊边缘，对高频细节的保护效果不明显。
双边比高斯滤波多了一个高斯方差sigma-d，它是基于空间分布的高斯滤波函数，所以在边缘附近，离得比较远的像素不会对边缘上的像素值影响太多，这样就保证了边缘附近像素值的保存。
输出像素的值依赖于邻域像素值的加权值组合：
