影象濾波既可以在實域進行，也可以在頻域進行。影象濾波可以更改或者增強影象。通過濾波，可以強調一些特徵或者去除影象中一些不需要的部分。濾波是一個鄰域操作運算元，利用給定畫素周圍的畫素的值決定此畫素的最終的輸出值。（個人認為《LearningImage Processing with OpenCV》中這一段寫的很好：Image filtering is a process to modify or enhance images.Emphasizing certain features or removing others in an image are examples ofimage filtering. Filtering is a neighborhood operation. The neighborhood is aset of pixels around a selected one. Image filtering determines the outputvalue of a certain pixel located at a position (x,y) by performing someoperations with the values of the pixels in its neighborhood.）

影象濾波可以通過公式：

1.      均值濾波（normalized box filter）：用其畫素點周圍畫素的平均值代替元畫素值，在濾除噪聲的同時也會濾掉影象的邊緣資訊。在OpenCV中，可以使用boxFilter和blur函式進行均值濾波。均值濾波的核為：

2.      高斯濾波（Gaussian filter）：高斯濾波為最常用的濾波器，具有可分離性質，可以把二維高斯運算轉換為一維高斯運算，其本質上為一個低通濾波器。在OpenCV中可通過函式GaussianBlur進行操作。

3.      中值濾波（median filter）：中值濾波用測試畫素周圍鄰域畫素集中的中值代替原畫素。中值濾波去除椒鹽噪聲和斑塊噪聲時，效果非常明顯。在OpenCV中，可以使用函式

4.      雙邊濾波（bilateral filter）：雙邊濾波在平滑影象時能夠很好的保留邊緣特性，但是其運算速度比較慢。在OpenCV中，可以使用函式bilateralFilter進行操作。

除了平滑去噪，影象銳化，求邊緣等也是常見的影象濾波應用。這類濾波器常常使用一節或者二階差分（或微分，對於數字影象而言，其為離散訊號，長用差分代替導數）核算子對影象進行濾波。一節差分常用於求取影象邊緣。二階差分常用於影象增強。常用的這類運算元包括：

1.      Sobel operator：Sobel運算元通過計算水平和垂直方向上的一節差分來進行計算。在OpenCV函式中，可通過使用

2.      Laplacian operator：Laplacian運算元通過計算二階差分（微分）來進行計算。在OpenCV函式中，可通過使用Laplacian函式進行計算。

除了上面列舉的較為經典的濾波器（或者說是核算子）外，在OpenCV中也可以自己定義自己的濾波器，然後使用filter2D函式進行運算。

對於以上在實域進行濾波的濾波器來說，邊界問題是一個不得不考慮的事情。通常有以下幾種辦法來進行處理：

（black）          （wrap around）          （copy edge）   （reflectacross edge）

除了在實域進行濾波之外，在頻域也可以進行濾波。傅立葉變換儲存每個頻率對於的幅度和相位資訊，其中幅度表示在某個特定的頻率訊號有多少訊號。相位則表示訊號的空間資訊，主要指方向資訊。

在頻域中濾波主要就是設計相應的低通、高通或者帶通等濾波器以實現保留某些頻率，濾除其餘頻率的目的。此外在實域中的卷積運算可以放到頻域中做乘積運算，可以降低運算複雜度。