内部产生的噪声。从统计理论观点可分为平稳和非平稳噪声。凡是统计特征不随时间变化的噪声称为平稳噪声；统计特征随时间变化的噪声称为非平稳噪声。从噪声幅度分布形态可分为高斯型、瑞利型噪声。还有按频谱分布形状进行分类的，如均匀分布的噪声称为白噪声。按产生过程进行分类噪声可分为量化噪声和椒盐噪声等。3对于一维的某些特定的输入信号，中值滤波的输出保持输入信号值不变。例如输入信号为在2
1内单调增加或单调减少的序列。对于二维信号，中值滤波不变性要复杂得多，不仅与输入信号有关，还与窗口的形状有关。77列出了几种二维中值图滤波窗口及与之对应的最小尺寸的不变输入图形。一般地，与窗口对角线垂直的边缘经滤波后将保持不变。利用这个特点，可以使中值滤波既能去除图像中的噪声，又能保持图像中一些边缘信息。从经验来看，方形或圆形的窗口适宜于地物轮廓较长的图像，十字窗口适宜于有尖角物体的图像。一维的周期性二值序列，如x
…，1，1，1，1，1，1，1，1，…，当滤波窗口长度为9时，经过中值滤波此序列将保持不变。对于一个二维序列，这一类不变性更为复杂，但它们一般也是二值的周期性结构，即周期性网格结构的图像。4梯度倒数加权法平滑源于这样的考虑：在离散图像内部相邻区域的变化大于区域内部的变化，在同一区域中中间像素的变化小于边沿像素的变化。梯度值正比于邻近像素灰度级差值，即在图像变化缓慢区域，梯度值小，反之则大。取梯度倒数，该倒数之大小正好与梯度相反，以梯度倒数作权重因子，则区域内部的邻点权重就大于边沿或区域外的邻点。也就是说，这种平滑其贡献重要来自区域内部的像素，平滑后的图像边沿和细节不会受到明显损害。5Laplacia
算子是线性二阶微分算子，即取某像素的上下左右四个相邻像素的值相加的和减去该像素的四倍，作为该像素新的灰度值。梯度运算检测了图像的空间灰度变化率，因此，图像上只要有灰度变化就有变化率。Laplacia
算子检测的是变化率的变化率，是二阶微分。在图像上灰度均匀和变化均匀的部分，根据Laplacia
算子计算出的值0。因此，它不检测均匀的灰度变化，产生的图像更加突出灰度值突变的部分。与梯度算子不同，拉普拉斯算子是各向同性的。拉普拉斯锐化效果容易受图像中的噪声的影响。因此，在实际应用中，经常先进行平滑滤波，然后才进行拉普拉斯锐化。考虑到各向同性的性质和平滑的特点，常选择高斯函数作为平滑滤波核（即先进行高斯低通滤r