图像噪声是在图像处理中经常会遇到的问题，它的存在会使图像的质量下降，因此解决图像噪声问题在图像处理过程中是不可忽视的。
根据噪声的性质不同，消除噪声的方法也有所不同。随机噪声是一种线索最少却最常见的噪声。
对于多帧图像，取其平均值，帧数越多越接近实际值。对于单帧图像，随机噪声隐藏的像素的实际灰度值是不可知的，此时，只能尽量使噪声对图像的影响最小化。噪声的灰度与周围像素的灰度之间有明显的灰度差，正是这些明显的灰度差造成了视觉上的障碍。一般情况下，把利用噪声的性质来消除图像中噪声的方法称为图像平滑（image smoothing）。
一、均值滤波器
均值滤波器（averaging filter）是消除噪声的最简单的方法。原理：使用某像素周围mxn像素范围内的平均值来置换该像素值。通过使图像模糊，达到看不到细小噪声的目的。不良反应：使用这种方法，在噪声被消除的同时，目标图像也变模糊了。
二、中值滤波
消除噪声最好的结果是，在消除噪声的同时，图像边缘完好的保留。中值滤波能够比较好的实现这一点。原理：查看mxn邻域内的像素灰度，按照从小到大的顺序进行排列，结果取中间值。
中值滤波器与均值滤波器比较的优势：在均值滤波器中，由于噪声成分被放入平均计算中，所以输出受到了噪声的影响，但是在中值滤波器中，由于噪声成分很难选上，所以几乎不会影响到输出。因此同样用3x3区域进行处理，中值滤波消除的噪声能力更胜一筹。中值滤波无论是在消除噪声还是保存边缘方面都是一个不错的方法。
中值滤波器与均值滤波器比较的劣势：中值滤波花费的时间是均值滤波的5倍以上。
二值图像的平滑
二值图像中的椒盐噪声能够用中值滤波来消除，但是由于它只有二值，也可以采用膨胀和腐蚀的处理方法来消除。膨胀（dilation）是指在某像素的邻域内，只要有一个像素是白色像素则该像素就由黑变为白，其他保持不变。腐蚀（erosion）只是某像素的邻域内，只要有一个像素是黑色像素则该像素由白变黑，其他保持不变。
3x3邻域
smooth 求9个像素的平均值
median 求9个像素的中间值
erodible 9个像素中若有至少一个为黑，该像素为黑
dilation 9个像素若有至少一个为白，该像素为白