1. 图像噪声是指存在于图像数据中的不必要的或多余的干扰信息。 图像中各种妨碍人们对其信息接受的因素即可称为图像噪声 。那么除去这些噪声的过程就是图像去噪。
2. 图像平滑是要突出图像的低频成分、主干部分或抑制图像噪声和干扰高频成分的图像处理方法，目的是使图像亮度平缓渐变，减小突变梯度，改善图像质量。字面意思就是让图像上颜色灰度变化更光滑。图像平滑处理过程中往往会使得图像变的模糊，因此又叫图像模糊。
图像平滑的基本原理是，将噪声所在像素点的像素值处理为其周围临近像素点的值的近似值。 图像平滑处理的方法有很多，比如均值滤波，方框滤波，高斯滤波，中值滤波，双边滤波。
3. 图像平滑与图像去噪的关系
如上图所示，可以图像平滑和图像去噪有一部分是相同的，比如都是去掉高频信息。但是也有不同的，比如图像去噪，只想去掉图像的躁点，而不需要模糊到图像上的边缘。而图像平滑时，是不关注是否有噪点的，只是想把灰度变化激烈的部分进行平滑。
4. 图像滤波
图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。
线性滤波概念：
原始数据与滤波结果是一种算术运算，即用加减乘除等运算实现，如均值滤波器（模板内像素灰度值的平均值）、高斯滤波器（高斯加权平均值）等。
非线性滤波概念：
原始数据与滤波结果是一种逻辑关系，即用逻辑运算实现，如最大值滤波器（膨胀）、最小值滤波器（腐蚀）、中值滤波器等，是通过比较一定邻域内的灰度值大小来实现的
（低通滤波=模糊；高通滤波=锐化）
图像平滑处理的方法分类:
-
线性滤波
- 方框滤波（boxFilter）
- 均值滤波 （blur）
-
高斯滤波（GaussianBlur）
- 高斯低通滤波器（通低频，阻高频）
- 高斯高通滤波器（通高频，阻低频）
-
非线性滤波
- 中值滤波 （medianBlur）
- 双边滤波 （bilateralFilter）
4.1 算法描述