平滑也称为滤波，或合并称为平滑滤波。 平滑滤波是低频增强的空域滤波技术。 其目的有两种。 一种是模糊的。 另一个是消除噪音。 空域平滑滤波一般采用简单平均法进行，求出相邻像素点的平均亮度值。 邻域的大小直接关系到平滑化的效果，邻域越大平滑化的效果越好，但是邻域过大时平滑化会导致边缘信息的损失变大，输出的图像会模糊，所以需要适当选择邻域的大小。
“平滑”也称为“模糊处理”(blurring )，是一种简单且频繁使用的图像处理方法。 平滑处理的用途很多，但最常见的是为了减少图像上的噪声和失真。 降低图像分辨率时，平滑化处理很重要。
#1，均值滤波【Simple Blurring】
平均值滤波是典型的线性滤波算法，在图像上对对象像素以其周围的附近像素(制作包含以对象像素为中心的周围8个像素的滤波模板并去除对象像素本身)模板中的所有像素的平均值配置原始像素值
对干扰图像，特别是存在较大孤立点的图像非常敏感，即使极少数点存在较大差异也会导致平均值的明显变动。
#2，中值滤波【Median Blurring】
中值滤波是一种非线性平滑技术，它将每个像素点的灰度值设置为该点附近窗口中所有像素点的灰度值的中值。 也就是说，用所有像素值的中值替换中心像素的值。 不是平均值。
中值滤波通过选择中间值避免图像孤立噪声点的影响，对脉冲噪声有良好的滤波作用，特别是在滤波噪声的同时，可以保护信号的边缘不模糊。 这些优良特性是线性滤波方法所没有的。 另外，中值滤波的算法比较简单，易于通过硬件实现。 因此，提出了中值滤波方法并在数字信号处理中得到重要的应用。
#3，懦弱的酸奶滤波【Gaussian Blurring】
懦弱酸奶滤波器是一种线性平滑滤波器，适用于滤除懦弱酸奶噪声，广泛应用于图像处理降噪过程。 通常，弱酸奶滤波是对整个图像进行加权平均的过程，通过对其自身和附近的其他像素值进行加权平均获得每个像素点的值。 懦弱酸奶滤波的具体操作是用一个模板(卷积、蒙版)扫描图像中的每个像素，用模板确定的邻域内像素的加权平均灰度值替换模板中心像素点的值。
进行懦弱的酸奶滤波的通常原因是，由于实际图像的空间内的像素缓慢变化，邻近点的像素变化不明显，但在随机的两点可能会产生较大的像素差。 由此可见，懦弱的酸奶过滤会在保留信号的情况下降低噪声。 遗憾的是，由于该方法在接近边缘时失效，弱酸奶过滤器会使边缘变平。 但是，弱酸奶平滑滤波器对抑制遵循正态分布的噪声非常有效。
#4，双边滤波【Bilateral Blurring】
双边滤波(Bilateral filter )是一种非线性滤波方法，是一种结合图像空间贴近度和像素值相似度的折衷处理，同时考虑空间域信息和灰度相似性以达到边缘去噪的目的。 具有简单、非重复的、局部的特征。 双边滤波器可以提供不平滑边缘的方法，但其代价是需要更多的处理时间。
与懦弱的酸奶滤波一样，双边滤波器基于每个像素及其区域创建加权平均值。 加权计算包括两个部分。 其中第一个部分的加权方法与懦弱的酸奶平滑化相同，第二个部分也是懦弱的酸奶加权，但不是基于中心像素点与其他像素点的空间距离的加权，而是基于其他像素与中心像素的亮度差的加权。 可以将双边滤波器视为懦弱的酸奶的平滑，对相似的像素赋予较高的权重，对不相似的像素赋予较小的权重。 另外，也可以用于图像分割。
双边滤波器的优点是可以进行边缘保存(edge preserving )，用一般过去使用的wiener滤波器或懦弱的酸奶滤波器去除噪声时，边缘会变得清晰模糊，对高频细节的保护效果是双边过滤器顾名思义比懦弱的酸奶过滤器有更多的懦弱的酸奶分散sigma-d。 因为这是基于空间分布的懦弱酸奶滤波器函数，在边缘附近远离的像素对边缘上的像素值影响不大，所以保证了边缘附近像素值的保存。 但是，由于保存了过多的高频信息，双边滤波器无法对彩色图像中的高频噪声完全滤波，只能对低频信息进行良好的滤波。