非线性空间滤波也基于领域操作，与使用m*n滤波器的中心点滑过一幅图像的机制一样。
非线性滤波基于领域像素内的非线性操作。模板的概念在非线性处理中不是那么普通。滤波的概念依然存在，但是滤波器应想象为领域像素操作的非线性函数，这些响应构成了 非线性操作的结果。
为了执行通常的非线性滤波操作，工具箱提供了两个函数：nlfilter和colfilt。 nlfilter直接执行二维操作 colfilt按列组织数据
虽然colfilt需要占用更多的内存，但是执行起来要比nlfilter快很多。在大多数的图像处理技术中，速度是最重要的因素。因此在执行非线性空间滤波时，更多采用的是colfilt。
给定一副大小为MN的输入图像f，邻域大小为mn，函数colfilt可产生矩阵A，最大尺寸为mn*MN，在这个矩阵中，每一列对应于图像中中被领域包围的像素。所有要进行的填充都用0填充，并由colfilt透明地处理。
函数colfilt的语法： g=colfilt(f,[m,n],‘sliding’,fun) m\n--------滤波区域的维数 sliding------------处理过程中m*n区域在输入图像f中逐像素进行滑动 fun-------函数句柄
由于习惯，组织了矩阵A，函数fun必须分别对每一列操作，并返回行向量v，v的第k个元素是对A中第k列进行fun操作后的结果。因为A可以有MN列，V的最大维数为1*MN。
在线性滤波方法中，存在空间滤波技术中用填充方法处理空间滤波固有的边缘问题。然而，在使用colfilt时，在进行滤波之前，输入图像必须被清除地进行填充。为此，我们使用函数padarray，对于二维函数，语法为： fp=padarray（f,[r,c],method,direction） f--------输入图像 fp------填充后的图像 [r,c]----用于填充f的行数和列数 method和direction的描述如下：
padarray选项描述方法symmetric通过镜像映射在图像边界的对面扩展图像尺寸replicate通过复制值在图像边界的外部扩展图像的尺寸circular通过将图像处理成2D周期函数的一个周期来扩展图像尺寸方向pre在每一维、第一个元素之前填充post在每一维、最后一个元素之后填充both在每一维、第一个元素之前和最后一个元素之后进行填充，这是默认值如果在参数中不包括direction，那么默认值为both，如果不包含method，将默认用0填充。 下面我们看看怎么用的 fp=padarray（f,[3,2],‘replicate’,‘post’） 再举一个例子： 使用函数colfilt实现非线性空间滤波
正像函数colfilt说明的那样，执行非线性滤波时，在任何点，响应都是以该点为中心点的邻域像素亮度值的几何平均。大小为m*n的邻域的几何平均数是领域内灰度值乘积的幂的1\mm.
首先，像匿名函数句柄那样执行非线性滤波函数 >> gmean=@(A) prod(A,1)^1/size(A,1) 为了降低边缘效应，我们用padaray函数中的选项replicate填充输入图像： f=padarray（f,[m，n],‘replicate’）
接下来，调用函数colfilt： >> g=colfilt(f,[m,n],‘sliding’,@gmean) （1）矩阵A由colfilt自动传递给函数句柄gmean （2）矩阵A总是mn行，但列数是可变的
在这种情况下，滤波的过程是计算领域内所有像素的乘积，并把结果提升至1/mn次幂。对于（x,y）的任意值，该点的滤波结果包含在V的适当列中。然后colfilt获得这些结果，并对他们重新排列以产生输出图像g。最后，我们移除先前的填充： >> [M,N]=size(f) g=g((1:M)+m,(1:N)+n); 所以g与f大小相同。
一些常见的非线性滤波器可以通过其他MATLAB和工具箱函数实现，例如imfliter和ordfilt2.函数spfilt，之前通过imfilter和matlab的log和exp函数实现几何平均滤波。
当这些是可能的时候，通常性能会高很多，内存的使用也是colfilt要求的一小部分。然而现在，函数colfilt仍然是进行非线性滤波操作最好的选择，还没有可以替代的函数。
