双边滤波

高斯滤波只考虑了周边点与中心点的空间距离来计算得到权重。首先，对于图像滤波来说，一个通常的intuition是：（自然）图像在空间中变化缓慢，因此相邻的像素点会更相近。但是这个假设在图像的边缘处变得不成立。如果在边缘处也用这种思路来进行滤波的话，即认为相邻相近，则得到的结果必然会模糊掉边缘，这是不合理的，因此考虑再利用像素点的值的大小进行补充，因为边缘两侧的点的像素值差别很大，因此会使得其加权的时候权重具有很大的差别。可以理解成先根据像素值对要用来进行滤波的邻域做一个分割或分类，再给该点所属的类别相对较高的权重，然后进行邻域加权求和，得到最终结果。
双边滤波与高斯滤波相比，对于图像的边缘信息能够更好的保留，其原理为一个与空间距离相关的高斯核函数与一个灰度距离相关的高斯函数相乘。
空间距离：e−(xi−xc)2+(yi−yc)22σ2e−(xi−xc)2+(yi−yc)22σ2，其中(xc,yc)(xc,yc)是中心点坐标，比如为(0,0)，(xi,yi)(xi,yi)为当前点的坐标，σσ为空间域标准差。
灰度距离：e−(gray(xi,yi)−gray(xc,yc))22σ2e−(gray(xi,yi)−gray(xc,yc))22σ2，其中gray(xi,yi)gray(xi,yi)是当前像素点的灰度值，gray(xc,yc)gray(xc,yc)是模板中覆盖图片区域的中心点像素的灰度值，也就是(0,0)处的灰度值，σσ为值域标准差。
对于高斯滤波，仅用空间距离的权值系数核与图像卷积后确定中心点的灰度值。即认为离中心点越近，其权值系数越大。
双边滤波中加入了对灰度信息的权重，即在领域内，灰度值越接近中心点灰度值的点的权值更大，灰度值相差大的点权重越小。其权重大小则由值域高斯函数确定。
两者权重系数相乘，得到最终的卷积模板，由于双边滤波需要每个中心点领域的灰度信息来确定其系数，所以速度比一般的滤波慢得多，而且计算量增长速度为核的大小的平方。

双边滤波   

双边滤波与高斯滤波相比，对于图像的边缘信息能够更好的保留，其原理为一个与空间距离相关的高斯核函数与一个灰度距离相关的高斯函数相乘。