中位数过滤器

在图像处理中，通常需要在执行诸如边缘检测的进一步处理之前首先执行一定程度的降噪。中值滤波是图像处理中的常见步骤，尤其适用于散斑噪声和alt-and-pepper噪声。
保留边缘的能力使它们在不希望边缘模糊的情况下有用。为了演示中值滤波器的工作原理，我们将观察窗口3添加到下面的数组中，重复边界的值：x = [28063]。
因此，中值滤波输出信号y将是：y [1] =中位数[2280] = 2，y [2] =中位数[2806] =中位数[2680] = 6，y [3] =中位数[8063] =中位数[3680] = 6，y [4] =中位数[633] =中位数[336] = 3，则y = [2663]，其中y是x的中值滤波输出。中值滤波器的主要思想是遍历条目中的信号条目，并用邻居条目的中值替换每个条目。
邻居的模式被称为“窗口”，其滑过入口以覆盖整个信号。对于一维信号，最明显的窗口仅是几个项目，而2D（或更高）信号（诸如图像）可以具有更复杂的窗口模式（诸如“盒子”或“交叉”模式）。
请注意，如果窗口中有奇数个条目，则中位数很容易定义：在窗口中的所有项目按数字排序后，这只是中间值。对于偶数条目，有多个可能的中位数。
请注意，在上面的示例中，由于第一个值之前没有条目，因此第一个值将作为最后一个值重复，以获取足够的条目来填充窗口。这是一种处理信号边界处的缺失窗口条目的方法，但是在某些情况下可能优选其他具有不同属性的方案：避免处理边界，有或没有剪切信号或图像边界，来自信号中其他位置的条目。
以图像为例，您可以从远水平或垂直边界选择一个条目，缩小边界附近的窗口，并使每个窗口都满。通常，大部分计算工作和时间都花在计算每个窗口上。
值。由于滤波器必须处理信号中的每个条目，因此该中值计算的效率是确定诸如图像的大信号的算法的速度的关键因素。
上述简单实现对窗口中的每个条目进行排序以找到中间值;但是，由于只需要列表中的中间值，因此选择算法可以更有效。此外，某些类型的信号（通常在图像的情况下）使用整数表示：在这些情况下，直方图很简单，因为从窗口到窗口更新直方图，并且找到直方图的中值并不是特别麻烦，所以中位数可以更有效率。
中值滤波是一种平滑技术，就像线性高斯滤波一样。所有平滑技术都能有效地消除信号平滑或平滑区域的噪声，但会对边缘产生不利影响。
通常，保持边缘同时降低信号中的噪声非常重要。例如，边缘对图像的视觉外观至关重要。
对于小到中等水平的（高斯）噪声，中值滤波器在消除噪声方面明显优于高斯模糊，同时保留给定固定窗口大小的边缘。然而，对于高噪声，其性能并不优于高斯模糊，这对于散斑噪声和椒盐噪声（脉冲噪声）尤其有效。
因此，中值滤波广泛用于数字图像处理。 GIMP 2.8.2中的操作如下：过滤器 - ＆amp; gt;增强 - ＆amp; gt;去除斑点。
不要检查“适应”和“递归”，将黑色级别设置为-1，将白色级别设置为256.根据需要调整半径。半径越大，细节越少。