目前比较经典的图像去噪算法主要有以下三种：

均值滤波：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度
 的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，
 可以对其进行改进，主要避开对景物边缘的平滑处理。

%x是需要滤波的图像,n是模板大小(即n×n)
function d=avg_filter(x,n)   
a(1:n,1:n)=1;   %a即n×n模板,元素全是1
[height, width]=size(x);   %输入图像是hightxwidth的,且hight>n,width>n
x1=double(x);
x2=x1;
for i=1:hight-n+1
    for j=1:width-n+1
        c=x1(i:i+(n-1),j:j+(n-1)).*a; %取出x1中从(i,j)开始的n行n列元素与模板相乘
        s=sum(sum(c));                 %求c矩阵中各元素之和
        x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %将与模板运算后的各元素的均值赋给模板中心位置的元素
    end
end
%未被赋值的元素取原值
d=uint8(x2);

中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号
 处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，
 一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度
 值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗
 口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂
 度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化

%自编的中值滤波函数。x是需要滤波的图像,n是模板大小(即n×n)
function d=mid_filter(x,n)   
[height, width]=size(x);   %输入图像是p×q的,且p>n,q>n
x1=double(x);
x2=x1;
for i=1:height-n+1
    for j=1:height-n+1
        c=x1(i:i+(n-1),j:j+(n-1)); %取出x1中从(i,j)开始的n行n列元素,即模板(n×n的)
        e=c(1,:);      %是c矩阵的第一行
        for u=2:n
            e=[e,c(u,:)];     %将c矩阵变为一个行矩阵    
        end
        mm=median(e);      %mm是中值
        x2(i+(n-1)/2,j+(n-1)/2)=mm;   %将模板各元素的中值赋给模板中心位置的元素
    end
end 
%未被赋值的元素取原值
d=uint8(x2);