两个高斯滤波器有什么作用，为什么高斯滤波器没有振铃现象?

高斯滤波器是一种线性滤波器，可以有效的抑制噪声，平滑图像。

其作用原理和均值滤波器类似，都是取滤波器窗口内的像素（PX）的均值作为输出。其窗口模板的系数和均值滤波器不一样，均值滤波器的模板系数都是一样的为1；而高斯滤波器的模板系数，则随着距离模板中心的增大而系数减小。故此高斯滤波器相比于均值滤波器对图像个模糊程度较小。

高斯滤波器是一类按照高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器针对抑制服从正态分布 的噪声很有效。一维零均值高斯函数为：

g(x)=exp( -x^2/(2 sigma^2)

这当中，高斯分布参数Sigma决定了高斯函数的宽度。针对图像处理来说，经常会用到二维零均值离散高斯函数作平滑滤波器。

高斯滤波是为了降噪。

高斯滤波让画面变得平滑，这依然不会滤掉正常的边缘，但是，可以有效的滤除噪声。因为一个边缘它只在一个方向上有灰度变化，而噪声在四周都拥有，故此，高斯滤波可以有效的滤除噪声，保留边缘。当你用zerocross做边缘检测，你总是会放一个高斯滤波在前面。

高斯模糊（英语：Gausscian Blur），也叫高斯平滑是在 Adobe Photoshop、GIMP 还有 Paint.NET 等图像处理软件中广泛使用的处理效果，一般用它来减少图像噪声还有降低细节层次。

matlab经常会用到的线性滤波函数是imfilter函数。在imfilter函数中会涉及到滤波掩膜w，这个w是需预先给出的，基本上等同于确定滤波方法。比如经常会用到的拉普拉斯方式、高斯方式等。matlab中自带fspecial函数可以直接调用现成的模板，当然假设你认为这些模板处理图像不够满意，也可自行设计模板，模板实质上就是一个矩阵，尤以3*3矩阵为常见。

在imfilter函数中，除了需选择处理图像和滤波掩膜之外，还要有对图像边界如何处理进行规定。

拉普拉斯是一种二阶导数算子是一个与方向无关的各向同性（旋转轴对称）边缘检测算子。若只关心边缘点的位置而不顾其周围的实质上灰度差时，大多数情况下选择该算子进行检测。拉普拉斯算子为二阶差分，其方向信息丢失，常出现双像素（PX），对噪声有双倍加强作用，因为这个原因它很少直接用于边缘检测。大多数情况下是将高斯滤波和拉普拉斯边缘检测结合在一起，即log算子优化而成的--先用高斯算子对图像进行平滑，然后采取拉普拉斯算子按照二阶微分过零点来检测图像边缘。

EKF全称ExtendedKalmanFilter，即扩展卡尔曼滤波器，一种高效率的递归滤波器(自回归滤波器)。

卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器), 它可以从一系列的不完全包含噪声的测量(英文:measurement)中，估计变动系统的状态。

这样的滤波方式以它的发明者鲁道夫.E.卡尔曼（Rudolf E. Kalman）命名。然而，简单的卡尔曼滤波一定要应用在满足高斯分布的系统中，后期的学者对其进行了多方面的改进，这当中之一就是扩展卡尔曼滤波，可应用于时间非线性的变动系统。