空间滤波运算是将矩阵滤波应用于表面数据。有六种滤波方式：中位值，平均值，最大值，最小值，Gaussian(高斯)和Laplacian(拉普拉斯)。这些滤波器用于改善图像或搜索某些特定的表面特征.
为了演示基本的滤波过程，我们将使用下面的矩阵来表示5x5像素图像，其中以灰色显示的像素作为目标.
5 |
4 |
7 |
1 |
6 |
5 |
4 |
3 |
6 |
4 |
8 |
7 |
2 |
2 |
5 |
7 |
7 |
9 |
8 |
7 |
4 |
2 |
3 |
1 |
7 |
将一个3x3大小的矩阵使用平均值滤波，其将周围数据点的平均来计算重新计算结果。因此，3x3网格的总和为36（7 + 1 + 6 + 3 + 6 + 4 + 2 + 2 + 5），然后除以9得到最终值4.
所有滤波器的主要用途如下:
中位值滤波器
按照从最小到最大的顺序排列矩阵区域中的数据点，进而消除表面的噪值。然后将分布的中间值用作过滤值.
最大值滤波器
选择矩阵区域内具最大值的数据点，并将作为新数值。此滤波器创建的残留表面通常用于寻找表面上的离群波峰值.
最小值滤波器
选择矩阵区域内具最小值的数据点，并将作为新数值。此滤波器创建的残留表面通常用于寻找表面上的离群波谷值.
平均值滤波器
针对每个点与最近的点做平均使表面平滑。滤除器矩阵尺寸越大平滑效果越大.
 |
 |
 |
原始图像 |
平均 3x3 |
平均 9x9 |
Gaussian 高斯滤波器
与平均值滤波器相同都是将数据平滑的功能，不过，它将平均值应用到高斯矩阵的内部核心，下面为3X3核心矩阵的范例.
1 |
2 |
1 |
2 |
4 |
2 |
1 |
2 |
1 |
Laplacian拉普拉斯滤波器
检测表面数据中的显著转变。下面显示了3x3矩阵内部核心的一个范例.
-1 |
-1 |
-1 |
-1 |
8 |
-1 |
-1 |
-1 |
-1 |
可用的滤除器尺寸为3x3,5x5,7x7,9x9和13x13。通常，随着滤波器尺寸越大效果越大。平滑图像是从初始图像中减去噪音图像的结果。噪音图像包含了从滤除器去除的表面细节。使用图像下方的按钮选择要输出的图像。预设的选项为平滑图像.
一旦选择了滤波器方式，滤波器大小和输出图像将会作用，单击OK可将滤波器应用于扫描图像.