中值滤波

中值滤波

       虽然均值滤波器对噪声有抑制作用，但同时会使图像变得模糊。为了改善这一状况，必须寻找新的滤波器。中值滤波就是一种有效的方法。 

（1）中值

       一组数据，按数值大小从小到大排列，位于序列中间的为中值。 例如：{80,90,200,110,120}， 排列：80<90<110<120<200，中值y=110。

（2）中值滤波基本原理

     因为噪声的出现，使该点像素比周围的像素亮（暗）许多，若与周围的像素值一起排序，噪声点则位于序列的前端或末端，序列中值通常没有受到噪声污染，因此，用中值取代原像素值可以去除噪声。

    中值滤波即是：把数字序列或数字图像中的一点的值用该点的一个邻域中各点值的中值代替。 

                   

（3）中值、均值滤波比较示例

    示例一：去除椒盐噪声                                示例二：去除高斯噪声

       

    示例三：点线细节多的图像中值滤波

            

（4）中值滤波效果分析

1）效果

• • 对脉冲性噪声、随机噪声滤除性较好
  • 对斜坡和阶跃信号保留较好
  • 对点线等细节较多的图像不适用

2）分析

• • 与均值滤波相比，去除椒盐噪声效果好，而且模糊轻微，边缘保留较好。
    • 椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。
    • 中值滤波是选择适当的点来替代污染点的值，所以处理效果好。
    • 因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。
  • 对于高斯噪声，均值滤波效果比中值滤波效果好。
    • 高斯噪声是幅值近似正态分布，但分布在每点像素上。
    • 因为图像中的每点都是污染点，所中值滤波选不到合适的干净点。
    • 因为正态分布的均值为0，所以根据统计数学，均值可以消除噪声。