这里讨论利用输入图像中像素的小邻域来产生输出图像的方法，在信号处理中这种方法称为滤波（filtering）。其中，最常用的是线性滤波：输出像素是输入邻域像素的加权和。
1.相关算子（Correlation Operator)
定义：
, 即
，其中ｈ称为相关核(Kernel).
步骤：
1）滑动核，使其中心位于输入图像g的（i，j）像素上
2）利用上式求和，得到输出图像的（i，j）像素值
3）充分上面操纵，直到求出输出图像的所有像素值
例：
A = [17 24 1 8 15 h = [8 1 6
23 5 7 14 16 3 5 7
4 6 13 20 22 4 9 2]
10 12 19 21 3
11 18 25 2 9]计算输出图像的（2，4）元素=
Matlab 函数：imfilter(A,h)
2.卷积算子（Convolution)
定义：
，
，其中
步骤：
1）将核围绕中心旋转180度
2）滑动核，使其中心位于输入图像g的（i，j）像素上
3）利用上式求和，得到输出图像的（i，j）像素值
4）充分上面操纵，直到求出输出图像的所有像素值
例：计算输出图像的（2，4）元素=
Matlab 函数：Matlab 函数：imfilter(A,h,'conv')% imfilter默认是相关算子，因此当进行卷积计算时需要传入参数'conv'
3.边缘效应
当对图像边缘的进行滤波时，核的一部分会位于图像边缘外面。
常用的策略包括：
1）使用常数填充：imfilter默认用0填充，这会造成处理后的图像边缘是黑色的。
2）复制边缘像素：I3 = imfilter(I,h,'replicate');
4.常用滤波
fspecial函数可以生成几种定义好的滤波器的相关算子的核。
例：unsharp masking 滤波
I = imread('moon.tif');
h = fspecial('unsharp');
I2 = imfilter(I,h);
imshow(I), title('Original Image')
figure, imshow(I2), title('Filtered Image')
