5.3　中值滤波［1］

如图5.3所示的灰度图像的数据，为了求由○所围的像素值，查看3×3邻域内（黑框线所围的范围）的9个像素的灰度，按照从小到大的顺序排列，即如下所示。

2　　2　　 3　　3　　④　　4　　 4　　5　　10

这时的中间值（也称中值medium）应该是排序后全部9个像素的第5个像素的灰度值4。灰度值10的像素是作为噪声故意输入进去的，通过中值处理确实被消除了。为什么？原因是与周围像素相比噪声的灰度值极端不同，按大小排序时它们将集中在左端或右端，作为中间值是不会被选中的。

那么，其右侧的像素（由所围的像素）又如何呢？查看一下细框线所围的邻域内的像素。

2　　3　　 3　　4　　④　　4　　 4　　5　　10

中间值是4，实际上是3却成了4，这是由于处理所造成的损害。但是，视觉上还是看不出来。

图5.3　中值滤波

问题是边缘部分是否保存下来。图5.4（a）是具有边缘的图像，求由○所围的像素，得到图5.4（b）的结果，可见边缘被完全地保存下来了。

图5.4　对具有边缘的图像进行中值滤波

在移动平均法中由于噪声成分被放入平均计算之中，所以输出受到了噪声的影响。但是在中值滤波中由于噪声成分难以被选择上，所以几乎不会影响到输出。因此，用同样的3×3区域进行比较的话，中值滤波的去噪声能力会更胜一筹。

图5.5表示了用中值滤波和移动平均法除去噪声的结果，很清楚地表明了中值滤波无论在消除噪声上还是在保存边缘上都是一个非常优秀的方法。但是，中值滤波花费的计算时间是移动平均法的许多倍。

图5.5　中值滤波与移动平均法的比较