Wiener 濾波是為降低圖像中隨機加入之雜訊，所最先開發的其中一個方法。適用情況為假設加入之雜訊是靜態的隨機流程，與像素位置無關；此演算法會最小化原始圖像與重新建構圖像之間的平方誤差。Wiener 濾波是低通濾波器，但它沒有單一截止頻率，而是空間會變化之濾波器；其設計目的為使用低畫質區域中的低截止及高截止，以保持具有邊緣或其他高變異數特徵區域的畫質。窗的大小決定整體的頻率截止：較大的窗對應至較低的截止率，因此較模糊且雜訊較少。

Wiener 濾波有數種可能的實行方式。此 PTC Mathcad 函數中所用者為 Lee 於 1980 所建議之像素乘像素的 2D 自適應 Wiener 濾波 (請參閱 Jae S. Lim 所著 Two-Dimensional Signal and Image Processing (二維信號與圖像處理)，第 536-40 頁)，其使用的是空間變化的濾波器，而自適應雜訊則假定為白色及零平均值。

在此演算法中，已經過濾波之圖像的像素 y 是以下列轉換衍生自有雜訊輸入圖像內的像素 x：

此處的 μx 及 vx 為均數及像素附近鄰點內 x 變異數 (鄰點大小由函數的 win_h 及 win_w 引數指定)，而 vn 則是加入雜訊的變異數，由輸入圖像預測所得。輸出中的每個像素都是來自輸入像素鄰點及局部對比項 (x - μx) 的區域均數總和，其已經過縮放以讓高畫質區域的雜訊變異數 (vn) 比圖像變異數 (vx) 小得許多，縮放係數非常近似於 1，而輸出像素 y 略加濾波處理則非常近似於輸入像素 x，但在圖像變異數較低的低畫質區域中，輸出像素比較像區域均數 (亦即經過低通濾波)。

圖像的邊界視為零灰階值的延伸，這會使得靠近圖像邊界的輸出像素無效 (最大為鄰窗的大小)。此外，鄰窗不應大於輸入圖像。