我們前面提到，使用平均操作或加權(quán)平均操作可以降低圖像的噪聲，并由此引出了空間濾波器的概念。

這種平均操作或加權(quán)平均操作的空間濾波器，根據(jù)平均操作的特點(diǎn)，可以叫做均值濾波器。均值，就是平均值得意思。我們在《統(tǒng)計(jì)學(xué)-掌握數(shù)據(jù)的總體狀態(tài)》 中知道，對數(shù)據(jù)的統(tǒng)計(jì)有平均值，還可以有中位數(shù)。例如一組數(shù)：50,60,17,6,80，90,25。其平均值是：(50+60+17+6+80+90+25)/=46.86。而中位數(shù)就是將數(shù)據(jù)排序，取最中間的值。從小到大排序是：6,17,25,56,60,80,90，中位數(shù)是56。

那么我們可不可以取圖像中像素點(diǎn)領(lǐng)域區(qū)域的中位數(shù)的值來代替這個(gè)像素點(diǎn)的值呢？而不是領(lǐng)域區(qū)域的平均值。

相對于均值濾波器，這種濾波器稱為中值濾波器。因?yàn)橹形粩?shù)的值又稱為中值。

我們來看看效果，下圖是一張被椒鹽噪聲污染后的電路板圖像（圖像來自岡薩雷斯的《數(shù)字圖像處理》）。

這里直接使用了opencv的均值模糊和中值模糊函數(shù)。

import cv2board_saltpep = cv2.imread("board_saltpep.tif", 0)mean_blur = cv2.blur(board_saltpep, (3, 3)) median_blur = cv2.medianBlur(board_saltpep, 3)cv2.imshow("mean_blur", mean_blur) cv2.imshow("median_blur", median_blur) cv2.waitKey()

輸出結(jié)果：

可以看出，中值濾波比均值濾波效果要好的多。一般對于椒鹽噪聲來說，中值濾波器的使用非常有效，要比均值濾波更適合于去除椒鹽噪聲。這是因?yàn)榫禐V波時(shí)，將噪聲點(diǎn)成分放入了平均計(jì)算中，所以輸出受到了噪聲的影響；而中值濾波中，椒鹽噪聲的值要么是0，要么是255，在區(qū)域中選中位數(shù)的話，根本就選不上，所以在過濾椒鹽噪聲時(shí)能夠有更好的效果。

那么既然有均值濾波器、中值濾波器，很自然的就能想到能不能用最大值、最小值做濾波器，這當(dāng)然是可以的。可以推斷，最大值濾波器選用的是領(lǐng)域區(qū)域中的最大亮度值，那么對于胡椒噪聲（黑點(diǎn)），顯然具有較好的過濾性；最小值濾波器選用的是領(lǐng)域區(qū)域中的最小亮度值，那么對于鹽粒噪聲（白點(diǎn)），顯然具有較好的過濾性。

當(dāng)然，你能很快推斷出最大值濾波器對鹽粒噪聲效果不好，最小值濾波器對胡椒噪聲效果不好。那既然是這樣，直接用中值濾波器就好了。事實(shí)上中值濾波器比最大值濾波器和最小值濾波器使用廣泛的多。在opencv中甚至都沒有關(guān)于最大值濾波器和最小值濾波器的函數(shù)。

中值濾波器、最大值濾波器、最小值濾波器等這類利用了統(tǒng)計(jì)特性的濾波器統(tǒng)稱為統(tǒng)計(jì)排序?yàn)V波器。

總結(jié)

以上是生活随笔為你收集整理的中值滤波器的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。