数字图像处理 中值滤波
数字图像处理之快速中值滤波算法
数字图像处理之快速中值滤波算法快速中值滤波算法 ： 在图像处理中，在进⾏如边缘检测这样的进⼀步处理之前，通常需要⾸先进⾏⼀定程度的降噪。
中值滤波是⼀种⾮线性数字滤波器技术，经常⽤于去除图像或者其它信号中的噪声。
这个设计思想就是检查输⼊信号中的采样并判断它是否代表了信号，使⽤奇数个采样组成的观察窗实现这项功能。
观察窗⼝中的数值进⾏排序，位于观察窗中间的中值作为输出。
然后，丢弃最早的值，取得新的采样，重复上⾯的计算过程。
中值滤波是图像处理中的⼀个常⽤步骤，它对于斑点噪声和椒盐噪声来说尤其有⽤。
保存边缘的特性使它在不希望出现边缘模糊的场合也很有⽤。
为了演⽰中值滤波器的⼯作过程，我们给下⾯的数组加上观察窗 3 ，重复边界的数值： x = [2 80 6 3] y[1] = Median[2 2 80] = 2 y[2] = Median[2 80 6] = Median[2 6 80] = 6 y[3] = Median[80 6 3] = Median[3 6 80] = 6 y[4] = Median[6 3 3] = Median[3 3 6] = 3 于是 y = [2 6 6 3] 其中 y 是 x 的中值滤波输出。
普通中值滤波算法伪代码： Input: image X of size m*n, kernel radius r. output: image Y as X. for i = r to m - r do for j = r to n - r do initialize list A[] for a = i-r to i+r for b = j-r to j+r add X(a, b) to A[] end end sort A[] then Y(i ,j) = A[A.size/2] end end 处理前： 处理后： 但是，上述算法在像素处理处的复杂度为O(r2). OpenCV实现代码：#include "cv.h"#include "highgui.h"#include <iostream>using namespace std;using namespace cv;int main(int argc, char* argv[]){Mat src = imread("beauty.jpg");Mat dst;//参数是按顺序写的//⾼斯滤波//src:输⼊图像//dst:输出图像//Size(5,5)模板⼤⼩，为奇数//x⽅向⽅差//Y⽅向⽅差GaussianBlur(src,dst,Size(5,5),0,0);imwrite("gauss.jpg",dst);//中值滤波//src:输⼊图像//dst::输出图像//模板宽度，为奇数medianBlur(src,dst,3);imwrite("med.jpg",dst);//均值滤波//src:输⼊图像//dst:输出图像//模板⼤⼩//Point(-1,-1):被平滑点位置，为负值取核中⼼blur(src,dst,Size(3,3),Point(-1,-1));imwrite("mean.jpg",dst);//双边滤波//src:输⼊图像//dst:输⼊图像//滤波模板半径//颜⾊空间标准差//坐标空间标准差bilateralFilter(src,dst,5,10.0,2.0);//这⾥滤波没什么效果，不明⽩imwrite("bil.jpg",dst);waitKey();return0;}View Code 快速中值滤波算法： O(r)复杂度的Huang算法：<> 这个代码的核⼼在于维护⼀个kernel直⽅图，可以实现快速的读取和删除扫描区域的像素值。
中值滤波和均值滤波
中值滤波和均值滤波中值滤波和均值滤波是数字图像处理中常用的两种滤波方法，它们在图像去噪和平滑处理中起着重要的作用。
本文将从原理、应用以及优缺点等方面介绍这两种滤波方法。
一、中值滤波中值滤波是一种非线性滤波方法，其基本原理是用像素点周围邻域内的中值来代替该像素点的灰度值。
中值滤波可以有效地去除图像中的椒盐噪声和脉冲噪声，同时能够保持图像的边缘信息。
其处理过程如下：1.选取一个模板，模板的大小根据噪声的程度来确定；2.将模板中的像素点按照灰度值大小进行排序，取其中位数作为中心像素点的灰度值；3.将中心像素点的灰度值替换为中值；4.重复以上步骤，对整个图像进行滤波。
中值滤波的优点是能够有效地去除椒盐噪声和脉冲噪声，同时保持图像的边缘信息。
然而，中值滤波也存在一些缺点，例如不能处理高斯噪声和均匀噪声，对图像细节信息的保护效果较差。
二、均值滤波均值滤波是一种线性平滑滤波方法，其基本原理是用像素点周围邻域内的平均值来代替该像素点的灰度值。
均值滤波可以有效地去除高斯噪声和均匀噪声，同时能够保持图像的整体平滑。
其处理过程如下：1.选取一个模板，模板的大小根据滤波效果来确定；2.计算模板内所有像素点的灰度值的平均值；3.将中心像素点的灰度值替换为平均值；4.重复以上步骤，对整个图像进行滤波。
均值滤波的优点是能够有效地去除高斯噪声和均匀噪声，同时能够保持图像的整体平滑。
然而，均值滤波也存在一些缺点，例如不能处理椒盐噪声和脉冲噪声，对图像细节信息的保护效果较差。
中值滤波和均值滤波在图像处理中各有优劣。
中值滤波适用于去除椒盐噪声和脉冲噪声，能够保持图像的边缘信息，但在处理高斯噪声和均匀噪声时效果较差。
而均值滤波适用于去除高斯噪声和均匀噪声，能够保持图像的整体平滑，但对于细节信息的保护效果较差。
在实际应用中，根据图像的特点和噪声的类型选择合适的滤波方法是很重要的。
如果图像受到椒盐噪声和脉冲噪声的影响，可以选择中值滤波进行去噪处理；如果图像受到高斯噪声和均匀噪声的影响，可以选择均值滤波进行平滑处理。
中值滤波的名词解释
中值滤波的名词解释在数字图像处理领域，中值滤波是一种经典的非线性滤波方法。
它的原理是通过统计图像中每个像素周围邻域内像素灰度值的中间值，将该中间值作为该像素的新灰度值，从而达到减少图像噪声和平滑图像的目的。
1. 中值滤波的背景和动机在图像获取或传输过程中，由于环境灯光、传感器噪声等因素，图像中可能会出现各种类型的噪声，如椒盐噪声、高斯噪声等。
这些噪声会严重影响图像的质量和可视化效果，甚至会干扰后续的图像处理和分析。
因此，对于数字图像的处理与分析来说，去噪是一个重要的预处理步骤。
中值滤波作为一种常用的去噪方法，因其简单、高效和较好的抗噪能力，被广泛应用于各种领域。
2. 中值滤波的原理和过程中值滤波的基本原理是基于排序统计的思想。
对于输入图像的每个像素，先定义一个邻域大小（常见的有3×3、5×5等），然后将该像素周围邻域内的所有像素按照灰度值大小进行排序。
接下来，将排序后的像素值组成一个序列，选择序列中的中间值作为该像素的新灰度值。
3. 中值滤波的优点和缺点中值滤波作为一种非线性滤波方法，具有以下几个优点：（1）对于椒盐噪声和脉冲噪声有较好的去噪效果，能够有效消除极值噪声；（2）在滤波过程中不会对图像的边缘和细节造成模糊效果，保持图像的清晰度；（3）计算简单、速度快，适用于实时图像处理和实时视频处理等领域。
然而，中值滤波也存在一些缺点：（1）对于高斯噪声等其他类型的噪声，去噪效果相对较差，可能会造成图像细节的模糊；（2）邻域大小的选择会影响滤波效果，如果邻域过大，可能会使图像部分细节丢失；（3）存在计算复杂度较高的问题，尤其是对于大尺寸的图像和多通道图像处理。
4. 中值滤波在实际应用中的案例中值滤波在图像处理领域有着广泛的应用，下面列举几个常见的案例：（1）数字相机中的图像去噪：在相机拍摄的图像中，可能会存在各种类型的噪声，使用中值滤波可以去除其中的椒盐噪声和脉冲噪声，提高图像质量。
数字图像处理名词解释
•名词解释（每小题5分,本题共20分）数字图像数字图像是指由被称作像素的小块区域组成的二维矩阵。
将物理图像行列划分后，每个小块区域称为像素（PiXeI）O 数字图像处理指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的的技术.8-连通的定义-对于具有值V的像素P和q ,如果q在集合N&p）中,则称这两个像素是8-连通的。
灰度直方图是指反映•幅图像各灰度级像元出现的频率。
灰度自方图是灰度级的函数，描述的是图像中该灰度级的像素个数。
即：横坐标农示灰度级，纵坐标衣示图像中该灰度级出现的个数。
性质：直方图是•幅图像中各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而未反映某•灰度值像素所在位置。
也就是说，它只包含了该图像中某•灰度值的像素出现的概率，而丢失了其所在位置的信息。
用途：用于判断图像量化是否恰当直方图给出了•个简单可见的指示，用来判断•幅图象是否合理的利用了全部被允许的灰度级范圉。
•般•幅图应该利用全部或几乎全部可能的灰度级，否则等于增加了量化间隔。
丢失的信息将不能恢复。
数字图像通常有两种表示形式：位图，矢量图位图和矢量图的比较：1、点位图由像素构成，矢量图由对象构成点位图的基本构图单位是像素，像素包含了色彩信息。
包含不同色彩信息的像素的矩阵组合构成了千变万化的图像。
矢量图形指由代数方程定义的线条或曲线构成的图形。
如:农示-个圆形,矢量图像保存了• 个画圆的命令、圆心的坐标、半径的长度等等。
欲显示该圆，矢量绘图软件则根据圆的坐标、半径等信息，经过方程式计算，将圆“画”在屏幕上。
矢量图像由许多矢量图形元素构成, 这些图形元素称为“对象”。
2、点位图面向像素绘画,矢量图面向对象“构画”两种图像的构成方式不同，其绘画力式也存在差别。
点位图是通过改变像素的色彩实现绘画和画面的修改。
点位图软件捉供了模拟手绘习惯的工具实现绘画。
中值滤波的原理
中值滤波的原理
中值滤波是一种数字图像处理方法，可用于减少图像中的噪声。
它的原理是通过将每个像素的灰度值替换为其周围像素灰度值的中值来消除图像中的离群点或噪声。
中值滤波的步骤如下：
1. 定义一个滤波器的大小（通常为奇数），例如3x3、5x5等。
2. 将滤波器放置在图像的像素上。
以当前像素为中心，在滤波器的范围内取出所有像素的灰度值。
3. 对这些灰度值进行排序，找到中间值。
4. 将中间值作为当前像素的新灰度值，用于替换原来的灰度值。
5. 重复步骤2到步骤4，直到处理完图像中的所有像素。
中值滤波的核心思想是根据像素周围的灰度值，选择一个对整体影响较小的灰度值作为输出。
这是因为在噪声中存在亮度或颜色偏离正常值的离群点，这些离群点对图像质量有较大的负面影响。
通过选择中值作为输出值，中值滤波能够有效地消除这些离群点，从而得到平滑且较少受噪声干扰的图像。
需要注意的是，中值滤波在某些情况下可能会导致图像模糊或细节丢失。
因此，在应用中值滤波之前，需要根据图像的特点和需求进行合理选择和调整滤波器的大小。
中值滤波处理
中值滤波处理中值滤波处理——一种常见的数字图像处理技术数字图像处理是计算机视觉领域中重要的一部分，其目的是对数字图像进行处理和改进，以便更好地满足人类的需求。
其中，中值滤波是常见的一种数字图像处理技术。
中值滤波是一种非线性滤波方法，其基本思想是取一个滤波模板中的所有像素值，按照大小排序后取中间值作为当前像素的新值，以此来消除噪声、平滑图像等。
中值滤波处理技术通常在数字图像处理中广泛应用，特别是在噪声较大的情况下，能够对图像进行更好的改进和处理。
从算法原理上来看，中值滤波处理主要分为以下几个步骤：首先，需要设置窗口大小，即需要对滤波的区域进行设置，一般设置为3x3、5x5、7x7等区域。
然后，需要将当前像素点与周围窗口中的所有像素值进行排序，以得到其中位数。
最后，将该中位数赋值给当前像素点，从而得到处理后的图像。
需要注意的是，在处理过程中，窗口的大小设置和像素排序都会对结果产生影响，因此需要根据实际需求进行合理的选择。
中值滤波处理技术具有多种优势。
首先，由于其非线性特性，能够更好地处理非正态分布的噪声。
其次，由于中值滤波是一种非参数方法，对数据的分布情况不作任何适应性假设，因此更加适用于各种类型的数字图像。
此外，相对于其他平滑滤波技术，中值滤波处理技术在细节保持方面更加出色，能够更好地保留图像细节，提高图像的清晰度和质量。
尽管中值滤波处理技术具有诸多优势，但也存在着一些缺点。
其中，最明显的一点是，在处理过程中会导致图像细节信息的损失，特别是在处理较大噪声的情况下。
此外，在处理过程中，由于要进行像素值的排序，因此处理时间较长，对于大规模数字图像处理较困难。
综上所述，中值滤波处理技术是数字图像处理中一种常见而又重要的处理技术。
虽然存在一些缺点，但其非线性特性和较好的细节保持能力使其在噪声较大、需要保留图像细节等方面有着广泛的应用。
因此，中值滤波处理技术在数字图像处理技术领域中有着重要的地位和发展前景。
《数字图像处理》复习大作业及答案
《数字图像处理》复习⼤作业及答案2014年上学期《数字图像处理》复习⼤作业及参考答案=====================================================⼀、选择题（共20题）1、采⽤幂次变换进⾏灰度变换时，当幂次取⼤于1时，该变换是针对如下哪⼀类图像进⾏增强。
（B）A 图像整体偏暗B 图像整体偏亮C图像细节淹没在暗背景中D图像同时存在过亮和过暗背景2、图像灰度⽅差说明了图像哪⼀个属性。
（B ）A 平均灰度B 图像对⽐度C 图像整体亮度D图像细节3、计算机显⽰器主要采⽤哪⼀种彩⾊模型（ A ）A、RGBB、CMY或CMYKC、HSID、HSV4、采⽤模板［-1 1］T主要检测（ A ）⽅向的边缘。
A.⽔平B.45?C.垂直D.135?5、下列算法中属于图象锐化处理的是：( C )A.低通滤波B.加权平均法C.⾼通滤波D. 中值滤波6、维纳滤波器通常⽤于（ C ）A、去噪B、减⼩图像动态范围C、复原图像D、平滑图像7、彩⾊图像增强时， C 处理可以采⽤RGB彩⾊模型。
A. 直⽅图均衡化B. 同态滤波C. 加权均值滤波D. 中值滤波8、__B__滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。
A. 逆滤波B. 维纳滤波C. 约束最⼩⼆乘滤波D. 同态滤波9、⾼通滤波后的图像通常较暗，为改善这种情况，将⾼通滤波器的转移函数加上⼀常数量以便引⼊⼀些低频分量。
这样的滤波器叫B。
A. 巴特沃斯⾼通滤波器B. ⾼频提升滤波器C. ⾼频加强滤波器D. 理想⾼通滤波器10、图象与灰度直⽅图间的对应关系是 B __A.⼀⼀对应B.多对⼀C.⼀对多D.都不11、下列算法中属于图象锐化处理的是：CA.低通滤波B.加权平均法C.⾼通滤D. 中值滤波12、⼀幅256*256的图像，若灰度级数为16，则存储它所需的⽐特数是：( A )A、256KB、512KC、1M C、2M13、噪声有以下某⼀种特性（ D ）A、只含有⾼频分量B、其频率总覆盖整个频谱C、等宽的频率间隔内有相同的能量D、总有⼀定的随机性14. 利⽤直⽅图取单阈值⽅法进⾏图像分割时：（B）a.图像中应仅有⼀个⽬标b.图像直⽅图应有两个峰c.图像中⽬标和背景应⼀样⼤d. 图像中⽬标灰度应⽐背景⼤15. 在单变量变换增强中，最容易让⼈感到图像内容发⽣变化的是（ C ）A亮度增强觉B饱和度增强C⾊调增强D不⼀定哪种增强16、利⽤平滑滤波器可对图像进⾏低通滤波，消除噪声，但同时模糊了细节。
数字图像处理中的数学方法探讨
数字图像处理中的数学方法探讨在当今的科技时代，数字图像处理已经成为了一个至关重要的领域，广泛应用于医学、航天、安防、娱乐等众多行业。
而在数字图像处理的背后，数学方法扮演着不可或缺的角色，为实现各种复杂的图像处理任务提供了坚实的理论基础和有效的工具。
要理解数字图像处理中的数学方法，首先得明白图像在计算机中的表示方式。
图像本质上是由一个个像素组成的矩阵，每个像素都有其特定的颜色和亮度值。
而这些数值正是数学处理的对象。
线性代数在数字图像处理中应用广泛。
比如，图像的变换，像是旋转、缩放和平移，都可以通过矩阵运算来实现。
以图像旋转为例，我们可以通过构建一个合适的旋转矩阵，然后将图像像素的坐标与这个矩阵相乘，就能得到旋转后的像素位置，从而实现图像的旋转效果。
概率论与统计学也发挥着重要作用。
在图像去噪方面，我们常常会遇到噪声干扰图像质量的问题。
通过对噪声的概率分布进行分析，我们可以采用诸如均值滤波、中值滤波等方法来降低噪声的影响。
均值滤波就是计算像素邻域内的平均值来替代当前像素值，假设某个像素及其邻域像素值分别为 10、20、15、18、22，那么经过均值滤波后，该像素的值就变为（10 ＋ 20 ＋ 15 ＋ 18 ＋ 22) ／ 5 ＝ 17。
中值滤波则是取邻域像素值的中值作为当前像素的值，比如上述例子中，中值就是 18，经过中值滤波后，该像素值就变为 18。
微积分在图像边缘检测中有着关键的应用。
边缘是图像中灰度值发生急剧变化的区域，通过对图像的灰度函数进行求导，可以检测到这些边缘。
例如，常用的 Sobel 算子和 Canny 算子就是基于微积分的原理来实现边缘检测的。
Sobel 算子通过计算水平和垂直方向的梯度来确定边缘的强度和方向。
傅里叶变换在数字图像处理中也是一种强大的工具。
它可以将图像从空间域转换到频率域，使我们能够更方便地分析图像的频率特征。
比如，在图像压缩中，通过对高频和低频成分的分析，可以去除一些不太重要的高频信息，从而实现图像的压缩存储。
数字图像处理
数字图像处理概述数字图像处理是一项广泛应用于图像处理和计算机视觉领域的技术。
它涉及对数字图像进行获取、处理、分析和解释的过程。
数字图像处理可以帮助我们从图像中提取有用的信息，并对图像进行增强、复原、压缩和编码等操作。
本文将介绍数字图像处理的基本概念、常见的处理方法和应用领域。
数字图像处理的基本概念图像的表示图像是由像素组成的二维数组，每个像素表示图像上的一个点。
在数字图像处理中，我们通常使用灰度图像和彩色图像。
•灰度图像：每个像素仅包含一个灰度值，表示图像的亮度。
灰度图像通常表示黑白图像。
•彩色图像：每个像素包含多个颜色通道的值，通常是红、绿、蓝三个通道。
彩色图像可以表示图像中的颜色信息。
图像处理的基本步骤数字图像处理的基本步骤包括图像获取、前处理、主要处理和后处理。
1.图像获取：通过摄像机、扫描仪等设备获取图像，并将图像转换为数字形式。
2.前处理：对图像进行预处理，包括去噪、增强、平滑等操作，以提高图像质量。
3.主要处理：应用各种算法和方法对图像进行分析、处理和解释。
常见的处理包括滤波、边缘检测、图像变换等。
4.后处理：对处理后的图像进行后处理，包括去隐私、压缩、编码等操作。
常见的图像处理方法滤波滤波是数字图像处理中常用的方法之一，用于去除图像中的噪声或平滑图像。
常见的滤波方法包括均值滤波、中值滤波、高斯滤波等。
•均值滤波：用一个模板覆盖当前像素周围的像素，计算平均灰度值或颜色值作为当前像素的值。
•中值滤波：将模板中的像素按照灰度值或颜色值大小进行排序，取中值作为当前像素的值。
•高斯滤波：通过对当前像素周围像素的加权平均值来平滑图像，权重由高斯函数确定。
边缘检测边缘检测是用于寻找图像中物体边缘的方法。
常用的边缘检测算法包括Sobel 算子、Prewitt算子、Canny算子等。
•Sobel算子：通过对图像进行卷积运算，提取图像中的边缘信息。
•Prewitt算子：类似于Sobel算子，也是通过卷积运算提取边缘信息，但采用了不同的卷积核。
图像去除噪声方法
图像去除噪声方法图像去噪是数字图像处理的一种重要技术，在数字图像传输、存储和分析过程中都会遇到噪声的干扰。
目前图像去噪的方法主要分为基于空域的滤波方法和基于频域的滤波方法。
基于空域的滤波方法是指直接对图像的像素进行处理，常见的方法有均值滤波、中值滤波和高斯滤波等。
1. 均值滤波是一种简单的图像平滑方法，它通过对图像的每个像素值周围像素的平均值进行计算来减小噪声。
具体步骤是，对于图像中的每个像素，以该像素为中心取一个固定大小的窗口，然后计算窗口内所有像素的平均灰度值作为该像素的新值。
由于均值滤波是线性滤波器，因此它对于高斯噪声具有一定的去噪效果，但对于细节部分的保护能力较弱。
2. 中值滤波是一种非线性滤波方法，它通过在窗口内对像素值进行排序，将中间值作为该像素的新值来减小噪声。
相比于均值滤波，中值滤波更能保护图像的细节，对椒盐噪声（指图像中的黑白颗粒噪声）有较好的去噪效果。
3. 高斯滤波是基于高斯函数的一种线性滤波方法，它通过对图像像素的邻域像素进行加权平均来减小噪声。
高斯滤波的核函数是一个二维高斯函数，它具有旋转对称性和尺度不变性。
高斯滤波可通过调整窗口的大小和标准差来控制平滑程度，窗口越大、标准差越大，平滑程度越高。
高斯滤波对高斯噪声的去噪效果较好，但对于椒盐噪声则效果较差。
基于频域的滤波方法是指通过将图像进行傅立叶变换后，在频率域对图像进行滤波，然后再进行逆傅立叶变换得到去噪后的图像。
这种方法的优点是可以同时处理图像中的各种频率成分。
1. 傅立叶变换是一种将图像从空间域转换为频率域的方法，它将图像表示为了频率和相位信息的叠加。
在频率域中，图像可以分解为不同频率的成分，其中低频成分代表图像的平滑部分，高频成分代表图像的细节部分。
因此，通过滤除高频成分可以达到去噪的效果。
2. 基于小波变换的图像去噪方法利用小波变换的多分辨率分析特性来实现。
小波变换将图像分解成不同尺度的频带，通过选择合适的阈值来滤除噪声分量，然后再进行逆变换得到去噪后的图像。
中值滤波基本算法公式推导_理论说明
中值滤波基本算法公式推导理论说明1. 引言1.1 概述本文旨在对中值滤波基本算法公式进行推导，并通过理论说明来探讨中值滤波的作用、优势及局限性以及改进方法。
中值滤波是一种常用的非线性滤波方法，在图像处理领域具有广泛应用。
1.2 文章结构本文分为五个主要部分，每个部分涵盖了特定的内容：- 引言：包括概述、文章结构和目的。
- 中值滤波基本算法公式推导：介绍中值滤波的概念，解析中值滤波的步骤，并详细推导中值滤波算法的数学表达式。
- 理论说明：阐述中值滤波的作用、优势以及在图像处理中的应用，同时探讨其局限性，并提出改进方法。
- 实验结果和讨论：描述实验设置和数据收集过程，分析实验结果，并讨论实验结果与理论预期差异。
- 结论：总结中值滤波基本算法公式推导和理论说明的关键点，并提出未来研究方向。
1.3 目的本文旨在深入研究和理解中值滤波基本算法的原理和推导过程，以及中值滤波在图像处理中的应用。
通过本文的阐述和分析，读者将能够更好地理解中值滤波算法，并了解其在实际应用中的优势和局限性。
此外，我们也希望通过对实验结果的讨论和分析，为未来中值滤波算法改进提供启示，并探索可能的研究方向。
2. 中值滤波基本算法公式推导:2.1 中值滤波概念介绍中值滤波是一种常用的非线性图像处理方法，用于去除图像中的噪声。
其基本思想是通过将每个像素点的灰度值替换为它邻域内所有像素点灰度值的中值来实现去噪。
2.2 中值滤波步骤解析中值滤波的步骤如下：1) 选择一个合适大小的邻域窗口，通常为正方形或矩形。
2) 将窗口移动到图像的每个像素位置。
3) 在每个位置上，获取邻域窗口内所有像素点的灰度值。
4) 对这些灰度值进行排序，找出其中位数作为该位置处新的灰度值。
5) 将新得到的灰度值赋给当前位置处的像素。
2.3 中值滤波算法推导过程假设有一个大小为(2n+1)x(2n+1) 的邻域窗口，其中n 是正整数。
设目标像素所在位置为(x,y)，则该位置处经过中值滤波后得到的新灰度值记为f(x,y)。
中值滤波原理
中值滤波原理中值滤波是一种常见的数字图像处理技术，它可以有效地去除图像中的噪声，同时保留图像的细节信息。
在实际应用中，中值滤波被广泛应用于图像处理、计算机视觉、信号处理等领域。
本文将介绍中值滤波的原理、应用和优缺点。
一、中值滤波的原理中值滤波的原理很简单，即用窗口中像素的中值来代替当前像素的值。
具体来说，对于一个大小为N×N的窗口，将窗口中的像素按照灰度值大小排序，取中间值作为当前像素的值。
例如，对于一个3×3的窗口，排序后的像素值为{1, 2, 3, 4, 5, 6, 7, 8, 9}，中间值为5，那么当前像素的值就被替换为5。
中值滤波的优点在于它能够有效地去除图像中的噪声，而不会破坏图像的细节信息。
相比于其他滤波算法，中值滤波的处理速度较快，因为它只需要对窗口中的像素进行排序和取中值操作。
此外，中值滤波也比较容易实现，只需要使用一些基本的图像处理函数即可。
二、中值滤波的应用中值滤波在图像处理中有广泛的应用。
例如，当我们使用相机进行拍摄时，由于光线、镜头等因素的影响，图像中可能会出现一些噪声，如椒盐噪声、高斯噪声等。
这时候，我们可以使用中值滤波来去除这些噪声，使图像更加清晰。
中值滤波还可以用于图像的边缘检测。
由于图像边缘处的像素值发生了明显的变化，因此在应用中值滤波时，边缘处的像素值不会被改变，从而保留了图像的边缘信息。
这种方法被称为非线性边缘检测。
中值滤波还可以用于图像的缩放和旋转。
在进行图像缩放和旋转时，由于像素的位置和灰度值发生了变化，图像中可能会出现一些锯齿状的边缘。
这时候，我们可以使用中值滤波来平滑这些边缘，使图像更加美观。
三、中值滤波的优缺点中值滤波虽然有很多优点，但也存在一些缺点。
首先，中值滤波只适用于去除噪声比较简单的图像。
对于复杂的噪声，如斑点噪声、条纹噪声等，中值滤波的效果可能并不理想。
其次，中值滤波会导致图像的模糊。
由于中值滤波是一种非线性滤波算法，它会使图像的细节信息变得模糊，从而影响图像的质量。
数字图像处理实验三中值滤波和均值滤波实验报告
数字图像处理实验三均值滤波、中值滤波的计算机实现12281166 崔雪莹计科1202 班一、实验目的：1）熟悉均值滤波、中值滤波处理的理论基础；2）掌握均值滤波、中值滤波的计算机实现方法；3）学习VC++ 6。
0 的编程方法；4）验证均值滤波、中值滤波处理理论；5）观察均值滤波、中值滤波处理的结果。
二、实验的软、硬件平台：硬件：微型图像处理系统，包括：主机，PC机；摄像机；软件：操作系统：WINDOWS2000或WINDOWSXP应用软件：VC++6.0三、实验内容：1）握高级语言编程技术；2）编制均值滤波、中值滤波处理程序的方法；3）编译并生成可执行文件；4）考察处理结果。
四、实验要求：1）学习VC+确6。
0编程的步骤及流程；2）编写均值滤波、中值滤波的程序；3）编译并改错；4）把该程序嵌入试验二给出的界面中（作适当修改）；5）提交程序及文档；6）写出本次实验的体会。
五、实验结果截图实验均值滤波采用的是3X3的方块，取周围的像素点取得其均值代替原像素点。
边缘像素的处理方法是复制边缘的像素点，增加一个边框，计算里面的像素值得均值滤波。
均值氓浜1W赵六、实验体会本次实验在前一次的实验基础上增加均值滤波和中值滤波，对于椒盐噪声的处理，发现中值滤波的效果更为好一点，而均值滤波是的整个图像变得模糊了一点，效果差异较大。
本次实验更加增加了对数字图像处理的了解与学习。
七、实验程序代码注释及分析// HistDemoADIg.h :头文件//#in elude "ImageWnd.h"#pragma once// CHistDemoADIg 对话框classCHistDemoADIg : public CDialogEx{//构造public:CHistDemoADlg(CWnd* pParent = NULL); // 标准构造函数intnWidth;intnHeight;intnLen;intnByteWidth;BYTE *lpBackup;BYTE *lpBitmap;BYTE *lpBits;CStringFileName;CImageWndsource,dest;// 对话框数据enum { IDD = IDD_HISTDEMOA_DIALOG };protected:virtual void DoDataExchange(CDataExchange* pDX); // DDX/DDV 支持// 实现protected:HICON m_hIcon;// 生成的消息映射函数virtual BOOL OnInitDialog();afx_msg void OnSysCommand(UINT nID, LPARAM lParam);afx_msg void OnPaint();afx_msg HCURSOR OnQueryDragIcon();DECLARE_MESSAGE_MAP()public:voidLoadBitmap(void);afx_msg void OnOpen();afx_msg void OnHist();voidHistogramEq(void);voidNoColor(void);void HistogramEq1(intnWidth,intnHeight,BYTE *lpInput,BYTE *lpOutput);voidMeanFilter(intnWidth,intnHeight,BYTE *lpInput,BYTE *lpOutput);voidMedianFilter(intnWidth,intnHeight,BYTE *lpInput,BYTE *lpOutput); afx_msgvoid OnBnClickedClose();afx_msg void OnBnClickedMeanfilter();afx_msg void OnBnClickedMedianfilter();};HistDemoADlg.cpp 对HistDemoADlg.h 进行具体的实现，OnOpen() 函数响应ID 为IDC_OPEN的按钮事件，而且会调取文件选择对话框，选取文件之后，会显示在原始图像区域显示对应的位图图像，OnHist()函数会响应ID为IDC_HIST的按钮事件，调用HistogramEq()进行直方图均衡化的处理，HistogramEq()会调用HistogramEq1()进行直方图均衡化的处理，并用dst.setlmage()显示处理之后的图像，以及NoColor()函数，对原始图像转化为灰度图像之后再显示。
三种数字图像滤波技术的特点及适用场景-数字图像处理论文-计算机论文
三种数字图像滤波技术的特点及适用场景-数字图像处理论文-计算机论文——文章均为WORD文档，下载后可直接编辑使用亦可打印——摘要：随着计算机技术的不断进步, 图像更普运用于生活之中, 图像预处理技术也更加完善, 而图像滤波正是图像预处理中十分重要的一步。
图像滤波可以使图像的成像质量更高, 而且更方便对图像的进一步处理, 所以通常是图像预处理中不可或缺的一步。
本文介绍了图像在计算机的存储方式、噪声等概念, 并主要对中值滤波、限幅平均滤波、高斯滤波这三种滤波算法的原理和实现过程进行说明, 通过对比不同算法的特点, 得出各自算法的适用情况。
关键词：滤波; 噪声; 滤波算法;1 数字图像的存储及噪声分类1.1 数字图像在计算机中的存储方式图像在计算机中会转化为计算机可识别的数值来进行存储, 数字化图像数据有两种存储方式:一为位图存储、二为矢量存储。
由于本文主要使用的都是位图图像, 所以下文将主要介绍位图存储。
位图图像是由一系列像素(像素值取0~255) 组成的可识别图像, 所以可以把一幅图像看成一个数字矩阵, 矩阵的每一个元素对应于图像中的一点, 而相应的值对应于该点的颜色或者灰度。
例如一张分辨率为0480, 16位色的图片, 就可由216=65536种颜色约0480=307200个像素点组成[1]。
位图图像的优点与缺点都同样明显, 在优点方面, 位图图像可以表现出丰富的图像效果和颜色, 可以更加逼真的表现图像细节, 这就是为什么平时我们使用的图像都是位图图像的原因。
但是, 位图图像由于每一个存储单元都是一个单独的像素导致颜色丰富的位图图像的储存占空间较大, 在传输文件时会很慢。
而且位图图像不能放大太大, 在放大时, 位图图像的像素不会随之改变, 因此图像会出现失真的情况。
1.2 噪声及噪声分类图像噪声就是指存在于图像中的不必要的信息, 也就是说图像中存在的干扰人们获取图像信息的因素就是噪声。
噪声在理论上可以定义为不可预测, 只能用概率统计方法来认识的随机误差, 描述噪声可以借用随机过程的描述, 即用其概率分布函数, 由于噪声的存在严重干扰了图像的质量, 因而在图像增强处理和分类处理之前, 必须予以纠正[2]。
数字图像处理-空间域处理-空间滤波-平滑空间滤波器
数字图像处理-空间域处理-空间滤波-平滑空间滤波器参考⾃：数字图像处理第三版-冈萨勒斯平滑滤波⽤于模糊处理和降低噪声。
模糊处理常⽤于预处理任务中，如在⽬标提取之前去除图像中的⼀些琐碎细节，以及桥接直线或曲线的缝隙。
通过线性或⾮线性平滑滤波也可降低噪声。
线性滤波器均值滤波器（均值平滑、均值滤波）平均值或加权平均值常见的平滑处理应⽤就是降低噪声。
它会去除与滤波器模板尺⼨相⽐较⼩的像素区域。
然⽽，由于图像边缘也是由图像灰度尖锐变化带来的特性，所以均值滤波处理存在不希望有的边缘模糊效应。
空间均值处理的⼀个重要应⽤是为了对感兴趣的物体得到⼀个粗略的描述，模糊⼀幅图像。
这样，那些较⼩物体的灰度与背景融合在⼀起，较⼤物体变得像“斑点”⽽易于检测。
模板的⼤⼩由那些即将融⼊背景中的物体尺⼨来决定。
(b)中图像的⼀些部分或者融⼊背景中，或者亮度降低1"""2均值滤波3"""4import numpy as np5import cv2678# 定义函数，⽣成椒盐噪声图像9def salt_pepperNoise(src):10 dst = src.copy()11 num = 1000 # 1000个噪声点12 ndim = np.ndim(src)13 row, col = np.shape(src)[0:2]14for i in range(num):15 x = np.random.randint(0, row) # 随机⽣成噪声点位置16 y = np.random.randint(0, col)17 indicator = np.random.randint(0, 2) # ⽣成随机数0和1，决定是椒噪声还是盐噪声18# 灰度图像19if ndim == 2:20if indicator == 0:21 dst[x, y] = 022else:23 dst[x, y] = 25524# 彩⾊图像25elif ndim == 3:26if indicator == 0:27 dst[x, y, :] = 028else:29 dst[x, y, :] = 25530return dst313233# 定义函数，实现均值滤波34def meanFilter(src, wsize): # src为输⼊图像，wsize为窗⼝⼤⼩35 border = np.uint8(wsize/2.0) # 计算扩充边缘36 addBorder = cv2.copyMakeBorder(src, border, border, border, border, cv2.BORDER_REFLECT_101) # 扩充后37 dst = src.copy()38 filterWin = 1.0/(wsize**2) * np.ones((wsize, wsize), dtype=np.float32) # 定义窗⼝39 row, col = np.shape(addBorder)40# 滑动，开始滤波41for i in range(border, row-border):42for j in range(border, col-border):43 temp = addBorder[i-border:i+border+1, j-border:j+border+1]44 newValue = np.sum(temp * filterWin) # 均值滤波45 dst[i-border, j-border] = newValue46 dst = np.uint8(dst + 0.5)47return dst484950 img = cv2.imread('F:\program_study\Python\data\lena.tif', cv2.IMREAD_GRAYSCALE)51# ⽣成椒盐图52 saltPimg = salt_pepperNoise(img)53 cv2.imshow('saltPepper', saltPimg)54# 均值滤波55 MeanFimg = meanFilter(saltPimg, 3)56 cv2.imshow('MeanFilter', MeanFimg)57 cv2.waitKey(0)58 cv2.destroyAllWindows()均值平滑⾼斯滤波器（⾼斯平滑、⾼斯滤波）参考⾃：⾼斯滤波器是⼀种带权的平均滤波器，它的模板根据⾼斯函数计算得到。
数字图像处理简答题及答案
1、数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。
①图像数字化：将一幅图像以数字的形式表示。
主要包括采样和量化两个过程。
②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。
③图像的几何变换：改变图像的大小或形状。
④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。
⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。
如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。
4、简述数字图像处理的至少4种应用。
①在遥感中，比如土地测绘、气象监测、资源调查、环境污染监测等方面。
②在医学中，比如B超、CT机等方面。
③在通信中，比如可视电话、会议电视、传真等方面。
④在工业生产的质量检测中，比如对食品包装出厂前的质量检查、对机械制品质量的监控和筛选等方面。
⑤在安全保障、公安方面，比如出入口控制、指纹档案、交通管理等。
5、简述图像几何变换与图像变换的区别。
①图像的几何变换：改变图像的大小或形状。
比如图像的平移、旋转、放大、缩小等，这些方法在图像配准中使用较多。
②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。
比如傅里叶变换、小波变换等。
6、图像的数字化包含哪些步骤？简述这些步骤。
图像的数字化主要包含采样、量化两个过程。
采样是将空域上连续的图像变换成离散采样点集合，是对空间的离散化。
经过采样之后得到的二维离散信号的最小单位是像素。
量化就是把采样点上表示亮暗信息的连续量离散化后，用数值表示出来，是对亮度大小的离散化。
经过采样和量化后，数字图像可以用整数阵列的形式来描述。
7、图像量化时，如果量化级比较小会出现什么现象？为什么？如果量化级数过小，会出现伪轮廓现象。
数字图像处理第四次作西安交大
数字图像处理第四次作业姓名：班级：学号：提交日期：摘要本次作业学习了空域滤波器的使用，并且学习了如何产生高斯函数。
通过对实验结果的分析可以发现高斯函数对于细小的噪声优化效果较好，而中值滤波对于大噪声也有一定的优化效果。
而后面的边缘提取作业，很明显的可以看出使用Canny算子的图片处理效果要好很多，虽然仍旧存在边缘不连续的问题，但是整体的边缘已经提取了出来。
一、空域低通滤波器：分别用高斯滤波器和中值滤波器去平滑测试图像test1和2，模板大小分别是3x3 ，5x5 ，7x7；（利用固定方差sigma=1.5产生高斯滤波器）(一)中值滤波器：一个数值集合的中值n是这样的数值，即数值集合中有一半小于或等。
于n，还有一半大于或等于n。
为了对一幅图像上的某点进行中值滤波处理，首先将领域内的像素分类排序，确定其中值，并将中值赋予滤波后图像中的相应像素点。
这样，中值滤波器的主要公式是使拥有不同灰度的点看起来更接近于它的相邻点。
事实上，我们使用mxm中值滤波器来去除那些相对于其领域像素更亮或更暗并且其区域小于m^2/2（滤波区域的一半）的鼓励像素族。
在这种情况下，“去除”的意思是强制为领域的中值灰度。
较大的族所受到的影响明显较小。
程序运行结果：结果观察：通过运行结果可以看出从处理后的图像看，图像的平滑效果较为明显，且受窗口的影响，窗口越大，平滑效果越明显，图像细节越模糊，尤其是test2中人脸图像的眼睛部分，随着滤波器模板的增大，可以明显的感受到图像模糊的效果。
这三个模板中，感觉5x5的模板滤波效果最好。
(二)高斯滤波器：（1）二维高斯函数具有旋转对称性，即滤波器在各个方向上的平滑程度是相同的。
一般来说，一幅图像的边缘方向是事先不知道的，因此，在滤波前是无法确定一个方向上比另一方向上需要更多的平滑．旋转对称性意味着高斯平滑滤波器在后续边缘检测中不会偏向任一方向。
（2）高斯函数是单值函数。
这表明，高斯滤波器用像素邻域的加权均值来代替该点的像素值，而每一邻域像素点权值是随该点与中心点的距离单调增减的。
数字图像处理实验报告
数字图像处理实验报告数字图像处理实验报告实验⼀数字图像基本操作及灰度调整⼀、实验⽬的1)掌握读、写图像的基本⽅法。
2)掌握MATLAB语⾔中图像数据与信息的读取⽅法。
3)理解图像灰度变换处理在图像增强的作⽤。
4)掌握绘制灰度直⽅图的⽅法，理解灰度直⽅图的灰度变换及均衡化的⽅法。
⼆、实验内容与要求1.熟悉MATLAB语⾔中对图像数据读取，显⽰等基本函数特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。
1)将MATLAB⽬录下work⽂件夹中的forest.tif图像⽂件读出.⽤到imread，imfinfo等⽂件，观察⼀下图像数据，了解⼀下数字图像在MATLAB中的处理就是处理⼀个矩阵。
将这个图像显⽰出来（⽤imshow）。
尝试修改map颜⾊矩阵的值，再将图像显⽰出来，观察图像颜⾊的变化。
2)将MATLAB⽬录下work⽂件夹中的b747.jpg图像⽂件读出，⽤rgb2gray()将其转化为灰度图像，记为变量B。
2.图像灰度变换处理在图像增强的作⽤读⼊不同情况的图像，请⾃⼰编程和调⽤Matlab函数⽤常⽤灰度变换函数对输⼊图像进⾏灰度变换，⽐较相应的处理效果。
3.绘制图像灰度直⽅图的⽅法，对图像进⾏均衡化处理请⾃⼰编程和调⽤Matlab函数完成如下实验。
1)显⽰B的图像及灰度直⽅图，可以发现其灰度值集中在⼀段区域，⽤imadjust函数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰度直⽅图与原灰度直⽅图的区别。
2) 对B 进⾏直⽅图均衡化处理，试⽐较与源图的异同。
3) 对B 进⾏如图所⽰的分段线形变换处理，试⽐较与直⽅图均衡化处理的异同。
图1.1 分段线性变换函数三、实验原理与算法分析1. 灰度变换灰度变换是图像增强的⼀种重要⼿段，它常⽤于改变图象的灰度范围及分布，是图象数字化及图象显⽰的重要⼯具。
线性平滑滤波与中值滤波
线性平滑滤波与中值滤波数字图像处理的进展概况数字图像处理就是用计算机对图像进行分析和处理，它是一门跨学科的技术，涉及数学、光学、信息科学、工程技术、摄影与美术、计算机技术等众多学科。
数字图像处理始于20世纪50年月。
特殊是在1964年，美国喷射推动试验室使用计算机对太空船送回地面的大批月球照片进行处理后，得到了清楚逼真的图像，使这门技术受到了广泛的关注，它成为这门技术进展的重要里程碑，此后数字图像处理技术在空间讨论方面得到了广泛的应用。
20世纪70年月初，由于大量的讨论和应用，数字图像处理已具备了自己的技术特色，并形成了较完善的学科体系，从而成为一门独立的新学科。
21世纪人类已进入数字时代，数字图像处理技术的应用领域将越来越广泛，从最初的与成像有关的个别领域已经进展到现代工业、农业、军事、地球科学、采矿、气象预报、医学、航空航天、地质勘探、美术设计，甚至上网谈天等国民经济和社会生活的几乎全部领域。
数字图像处理已经成为当代不行缺少的一门技术。
(1)工业应用。
工业应用是数字图像处理技术的重要应用领域之一。
从20世纪60 年月开头，在欧、美、日等工业化我国就已经开头采纳数字图像处理技术进行工业生产的质量掌握。
例如，在现代化的流水线上，可以采用图像处理技术对产品和部件进行无损检测；在浮法玻璃生产线上，可以对玻璃质量进行监控和筛选等。
(1)生物医学。
生物医学数字图像处理技术大约是20世纪80年月初在生物医学上得到广泛应用的，随着现代医学特殊是数字化医疗技术的不断进展，数字图像处理技术在临床诊断、病理讨论等医学领域将发挥更为重要的作用。
如X光对人体组织有损害，在临床上为了削减这种生物副效应，同时又能得到比较抱负的病人的X光片，可以用强度较低的X 光对病人进行照相，然后通过图像处理技术得到清楚的图像，这就是X光图像的处理。
此外，数字图像处理技术还应用到对超声图像的处理、激光显微图像的处理、CT图像的处理、磁共振图像的处理、PET图像的处理等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
通信与信息工程学院数字图像处理课程设计
班级：电信科11级 1 班姓名：
学号：
指导教师：
设计时间：2014.6.30 —2014.7.4 成绩：
评
通信与信息工程学院
二〇一四年
中值滤波
一、实验目的
通过研究图像中值滤波运算的算法,编程实现对图像增强处理的基本方法，分析运行结果与理论进行对比加深对中值滤波算法的理解并独立思考算法的改进方法和如何消除各参量的矛盾性，关注当前图像处理先进的技术与未来发展的方向。
二、实验任务
用中值滤波对图像进行处理并分析结果。
三、实验内容
中值滤波：运用中值滤波完成对图片的平滑处理,要求图片所加噪声为椒盐噪声和高斯噪声。
要求程序中用户可以根据需要选择窗口形状和窗口大小，根据运行结果分析窗口形状和大小对滤除效果的影响，并且比较中值滤波对于椒盐噪声和高斯噪声图片的平滑效果区别。
了解当前滤波技术的发展方向，了解更有效地滤波算法。
中值滤波原因：数字图像在获取、传输、接收和处理过程中，因受到一定的外部及内部干扰，从而被噪声影响。
但对图像进行边缘检测、图像分割、特征识别等许多处理工作时，都要求图像有较高的质量，因此需要先将图像中的噪声很好的进行滤除以提高图像质量。
而在图像的编码及传输中，经常经过含有噪声的线路或被电子感应噪声污染时，会使图像染上一定程度的椒盐噪声(即脉冲噪声)。
因此图片处理首先要进行平滑去噪。
中值滤波因其特殊的对输入信号序列的映射关系，在去除脉冲噪声上有着比较好的效果，但中值滤波也会有一定程度的图像模糊。
期望可以得到更好的滤波技术，更好的解决去噪和保护图像细节这一矛盾。
中值滤波思想：
中值滤波就是选择一定形式的窗口，使其在图像的各点上移动，用窗内像素灰度值的中值代替窗中心点处的像素灰度值。
它对于消除孤立点和线段的干扰十分有用，能减弱或消除傅里叶空间的高频分量，但也影响低频分量。
高频分量往往是图像中区域边缘灰度值急剧变化的部分，该滤波可将这些分量消除，从而使
图像得到平滑的效果。
通过用中值代替窗口中心灰度值的方式，可以有效的保持阶跃函数及斜坡函数不发生变化，并将周期值小于窗口一半的脉冲抑制。
根据中值滤波的这些特点，将其应用于数字图像去噪工作的话，可以较好的保留图像边缘信息，并可以去除一定的均匀分布噪声和椒盐噪声。
然而这种中值滤波方法需要对滑动窗口内的像素点灰度值进行排序，需要进行大量的数学运算，而且在图像边缘区域还会保留一定的残留噪声。
四、实验结果及分析
1、窗口大小对滤波效果的影响：
运行程序后显示的图片：
3×3
5×5：
7×7：
由运行结果图片分析得：在实际使用窗口的时候，窗口的尺寸一般先用3*3再取5*5逐渐增大，直到滤波效果满意为止。
窗口越大，滤波效果越明显，但计算时间越长，而且图像越迷糊。
窗口太小，滤波效果不好，会残留很多脉冲噪声，但是图像清晰，与原图像相似度更高。
由图片可以看出在对椒盐噪声滤除的时候窗口为3*3的时候还残留一些噪声。
5*5的效果最好。
7*7窗口虽然滤出效果非常好，但是图像模糊程度非常大。
可见，中值滤波滤除噪声的效果是已丢失图片细节为代价的。
2、：中值滤波对噪声的选择：
运行程序后显示的图片：
由于图像中的噪声种类很多. 对图像信号幅度和相位的影响十分复杂,有些噪声和图像信号互相独立不相关,有些是相关的,噪声本身之间也有些相关. 一般在图像处理技术中常见的噪声有:加性噪声g = f + n ;乘性噪声g = f + f n ;但一般我们将噪声分为椒盐噪声和高斯噪声。
中值滤波的输出与输入噪声的密度分布有关，而且它更适用于椒盐噪声，对于高斯噪声，不论从滤出效果或是保留细节效果都不是很好。
分析：由图可以看出，中值滤波对高斯噪声图片滤出效果不好。
3、：中值滤波对噪声的选择：
运行程序后显示的图片：
中值滤波窗口的形状也不一定拘泥于正方形，可以有多种不同的形状，如线状、方形、圆形、十字形等。
在实用中一般采用方形、十字形。
有运行结果图片分析得：对于有缓变的较长轮廓物体的图像，采用方形窗口较好；对于包含尖顶角物体的图像，适合用十字形窗口。
五、小结
在课程设计中，我通过给图像加椒盐噪声和高斯噪声，然后对每幅图片进行中值滤波去噪处理，制定窗口形状和窗口大小，通过运行结果对比可知，方形窗口更好的保留细节，窗口越小，虑噪效果越不明显，但保留细节能力越强。
得出：中值滤波，作为非线性滤波器，相对于线性滤波器可以在去除噪声的同时更好的保留图像，但也存在一定的图像模糊现象。
对于连续变换的区域可以很有效的去噪，但在图像细节的处理方面则有较大的缺陷，容易把细节点作为噪声处理掉。