噪声是在图像捕获、传输或处理过程中引入的不期望的干扰。常见的图像噪声包括高斯噪声、椒盐噪声和均匀噪声等。高斯滤波主要针对高斯噪声进行处理，即符合正态分布的噪声。高斯噪声的特点是在图像中随机分布，并且具有较小的强度变化。
高斯滤波的核心思想是使用一个高斯函数作为权值，在图像的每个像素周围生成一个权值矩阵，将权值与图像中的像素值进行加权平均。权值矩阵越大，平滑效果越明显，但也可能导致图像失真。选择合适的权值矩阵大小非常重要。
高斯滤波的处理过程包括以下几个步骤：
1、 确定权值矩阵的大小。一般情况下，权值矩阵的大小为奇数，例如3x3、5x5等。
2、 计算高斯函数的离散形式。高斯函数是一个二维的正态分布曲线，可以通过公式计算得到。离散形式是将连续的高斯函数转化为离散的数值。
3、 根据权值矩阵的大小，在图像的每个像素周围生成对应数量的权值矩阵。
4、 将权值矩阵与图像中的像素值进行加权平均。加权平均的过程是将权值矩阵中的每个元素与图像中对应位置的像素值相乘，并求和得到终的平均值。
5、 将处理后的像素值替换原图像中的像素值。重复以上步骤，直到对整个图像完成处理。
高斯滤波可以有效地平滑图像，降低噪声水平，保留图像的边缘和细节信息。它也存在一些局限性。由于平滑处理会模糊图像，可能会导致图像失真和细节丢失。对于非高斯噪声或特殊的图像背景，高斯滤波效果可能不够理想。