1、均值滤波器
邻域平均法是一种局部空间域处理的算法。设一幅图像肺f(x,y)为N*N的阵列，处理后的图像为g(x,y)，它的每个像素的灰度级由包含(x,y)邻域的几个像素的灰度级的平均值所决定。图像邻域平均法的处理效果与所用的邻域半径有关。半径越大，则图像的模糊程度也就越大。另外，图像邻域平均算法简单，计算速度快，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边沿和细节处，邻域越大，模糊越厉害。
2、中值滤波器
它是一种基于排序统计理论的可有效抑制噪声的非线性平滑滤波器，其基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代换。其主要功能是让周围像素灰度值的差比较大的像素改成与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤波图像的椒盐噪声非常有效。中值滤波在一定条件下可以克服线性滤波带来的图像细节的模糊问题。
中值滤波去除噪声的效果除了与噪声的类型有关，还与邻域的空间范围和中值计算中涉及的像素数有关。一般来说小于滤波面积一半的亮或暗的物体基本上会被滤除，而较大的物体几乎原封不动地保存下来，因此，中值滤波器的空间尺寸必须根据现有的问题来进行调整。较简单的模板是N*N的方形（N通常为奇数）。中值滤波器可以做到既去除噪声又能保护图像的边缘，从而获得较满意的复原效果，而且，在实际运算过程中不需要图像的统计特性，这也带来不少方面，但对一些细节多，特别是点、线、尖项细节较多的图像不宜采用中值滤波的方法。