功能：筛选任意类型的数组或多维图像。 用法： b=imfilter(a，h ) b=imfilter(a，h，option1，option2，)或g=imfilter(f ) f，w，filtering_mode， boundary_options用于解决由过滤器大小决定的边界零填充问题。 具体参数选项见下表。 选项说明filtering _ mode‘corr’使用相关性进行，此值为缺省值。 “‘conv”使用卷积来完成boundary_options‘x”输入图像的边界，用值x (无引号)填充并扩展默认值为0‘replicate”的图像大小，然后复制外部边界的值以创建“symmemete” 如果通过反射边界以扩展“‘circular”的二维周期函数的一个周期来扩展size_options‘full”的输出图像的尺寸，则与扩展图像的尺寸相同的“‘same”的输出图像的尺寸与输入图像的尺寸相同。 这能够通过将过滤器掩码的中心点的偏移量限制为原图像中包含的点来实现，该值是默认值。 示例：
示例1 :
originalRGB=imread(peppers.png )；
im show (原始RGB ) h=fspecial('motion '，50，45 )； %过滤器创建过滤器filtered RGB=im filter (原始RGB，h )。 figure，im show (过滤器RGB ) )。
例2：
生成8x8的平均过滤器original RGB=im read (' peppers.png ) )。
im show (原始RGB ) )。
w=fspecial (平均)、8 )；
filteredRGB = imfilter(originalRGB, w);figure, imshow(filteredRGB)
例3： 单色图像的平滑： 单色图像（如灰度图像）平滑的过程：定义一个系数为1的模板，用这个空间模板的系数去乘以所有像素的值，并将结果除以模板中元素的总数。
彩色图像的平滑： 1、抽取图像：I（R、G、B）三幅分量。
>>fR = I(:,:,1); >>fG = I(:,:,2); >>fB = I(:,:,3);
2、 (1): 分别对（R、G、B）这三幅图像分量进行滤波。例如：平均滤波器 w = fspecial('average', 25); 来进行平滑处理。 >>fR_filtered = imfilter(fR, w, 'replicate'); >>fG_filtered = imfilter(fG, w, 'replicate'); >>fB_filtered = imfilter(fB, w, 'replicate'); (2):也可以对（R、G、B）这三个图像分量一起处理，不用进行第三步。 >>fc_filtered = imfilter(I, w, 'replicate');
3、重建滤波后的 RGB 的图像。 >>fc_filtered = cat(3, fR_filtered, fG_filtered, fB_filtered)
例子程序：
close all clear all clc I = imread('olivian.jpg'); %读取一张噪声图像
%提取图像的三个（R、G、B）分量图像 R = I(:,:,1); G = I(:,:,2); B = I(:,:,3);
%生成一个8x8的均值滤波器 w = fspecial('average',8);
fR = imfilter(R,w,'replicate'); fG = imfilter(G,w,'replicate'); fB = imfilter(B,w,'replicate'); fc_filtered = cat(3,fR,fG,fB); %将这四个句子可以改为：fc_filtered = imfilter(I, w, 'replicate');
figure subplot(121); imshow(I);title('彩色噪声图像'); subplot(122); imshow(fc_filtered,'Border','tight');title('彩色图像平滑处理');