图像处理中，噪声滤波器的种类繁多，主要分为线性滤波器和非线性滤波器。线性滤波如邻域平滑滤波，通过模版操作（如3×3或5×5的Box模版）进行卷积运算，以平滑图像并去除噪声。然而，这种方法的缺点在于可能导致图像边缘模糊，因为大多数线性滤波器具有低通特性。
而非线性滤波器如中值滤波则有所不同。它采用奇数点窗口，通过计算窗口内各像素点的中值来代替中心点的值，从而既去除了噪声，又较好地保留了边缘信息。例如，对于序列{0, 3, 4, 0, 7}，中值滤波会计算出窗口内数值的中值作为输出，如窗口长度为5，输出为2.8。这种滤波方法对图像边缘的影响较小。
在二维图像处理中，如24位真彩色图像，中值滤波器需要对每个像素点的R、G、B三个灰度分量分别进行处理，找到这三个分量的中值，然后替换窗口中心像素点的相应分量。这在保持图像细节的同时，有效地抑制了噪声影响。
平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小。