自适应中值滤波器
自适应中值滤波器的设计与实现
自适应中值滤波器的设计与实现中值滤波器是一种常用的图像降噪滤波器，可以有效地去除图像中的椒盐噪声。
而自适应中值滤波器则是在传统中值滤波器的基础上进行改进，能够在保持图像细节的同时更好地去除噪声。
本文将介绍自适应中值滤波器的设计原理和实现方法。
一、自适应中值滤波器的设计原理具体来说，自适应中值滤波器的设计原理如下：1.设定滤波窗口的大小和初始值。
2.对于滤波窗口内的像素，按照灰度值进行排序，找到中间值，即中心像素点。
3.计算滤波窗口内的最大灰度值和最小灰度值，并计算其差值。
4.判断中心像素点是否为椒盐噪声，如果是，则将中心像素点的灰度值设置为滤波窗口内的中值，即进行中值滤波。
5.如果中心像素点不是椒盐噪声，则将滤波窗口的大小加1，并重新执行步骤2-4，直到找到合适的滤波窗口大小。
二、自适应中值滤波器的实现方法1.读入待处理的图像，并设定滤波窗口的大小和初始值。
2.对图像的每个像素点都进行以下操作：a.获取滤波窗口内的像素，并按照灰度值进行排序。
b.找到滤波窗口内的中心像素点。
c.计算滤波窗口内的最大灰度值和最小灰度值，并计算其差值。
d.判断中心像素点是否为椒盐噪声，如果是，则将中心像素点的灰度值设置为滤波窗口内的中值，即进行中值滤波。
e.如果中心像素点不是椒盐噪声，则将滤波窗口的大小加1，并重新执行步骤a-d，直到找到合适的滤波窗口大小。
3.输出处理后的图像。
三、自适应中值滤波器的优缺点及应用自适应中值滤波器在图像处理领域有广泛的应用。
它可以应用于数字图像处理、计算机视觉、医学影像等领域，用于去除图像中的椒盐噪声，提高图像质量。
此外，自适应中值滤波器还可以用于图像分割、边缘检测等任务中，以改进算法的鲁棒性和准确性。
总结起来，自适应中值滤波器是一种有效的图像降噪滤波器，在保持图像细节的同时能够较好地去除噪声。
其设计原理是基于中值滤波器的改进，通过对滤波窗口内像素灰度值的分析来决定中心像素点是否进行中值滤波。
自适应中值滤波器
班级：学号：姓名：指导老师：目录一、实验目的： (3)二、实验设备与软件： (3)三、实验步骤： (3)四、滤波器的简介： (3)五、实验基本原理： (3)六、试验结果分析和结论 (5)七、实验总结 (6)自适应中值滤波器的实现一、实验目的：进一步了解MatLab软件/语言，掌握滤波器的基本原理，运用所掌握的图像处理知识对图像进行滤波处理，培养处理实际图像的能力并为课堂教学提供配套的实践机会。
为了弥补传统中值滤波器在进行图像降噪处理中的不足,在图像降噪技术中应用了自适应中值滤波器。
通过自适应中值滤波器与传统中值滤波器进行了比较,计算机仿真结果表明在对密度较大的椒盐噪声进行滤波时,自适应中值滤波较传统中值滤波具有较大的优越性。
二、实验设备与软件：1、IBM-PC-XT计算机系统;2、MatLab软件/语言包括图像处理工具箱（Image Processing Toolbox）;3、实验所需要的图片；三、实验步骤：1、通过Matlab软件编程实现自适应中值滤波器；2、选中图片moon,并对图片加上椒盐噪声；3、分别使用传统滤波器和自适应中值滤波器对加了椒盐噪声后的图片进行滤波处理；4、对比使用传统滤波器和自适应中值滤波器后的图片得出结论。
四、滤波器的简介：滤波器被广泛地用于图象的预处理,抑制图象噪声,增强对比度,以及强化图象的边沿特征. 运用较为广泛的线性滤波器如平均值滤波器,能较好地抑制图象中的加性噪声. 但是,线性滤波器会引起图象的钝化或模糊,使得图象中物体边界产生位移. 特别是,在图象受到乘性噪声或脉冲噪声的干扰,如超声波及雷达成像中普遍存在的斑点噪声,线性滤波器就不能取得预期的效果. 中值滤波器，就像其名字一样，是用该像素的相邻像素的灰度中值来代替该像素的值，是一种非线性滤波器. 例如滤波窗口由3×3 个象素组成,则其中5个象素的灰度值会小于等于该滤波器的输出灰度值,同时5 个象素的灰度值会大于等于滤波器的输出. 由此可见,对于离散的脉冲噪声,当其出现的次数小于窗口尺寸的一半时,将被抑制掉同时也能较好地保证图象的边沿特征,而且易于实现. 因此它被广泛地应用于图象处理,尤其是医学图象处理,如超声波图象.但由于其使用的滤窗大小是固定不变的,当窗中噪声像素数超过有用像素之半时（噪声密度较大时）,中值滤波滤波作用大大降低。
自适应中值滤波器的原理
自适应中值滤波器的原理自适应中值滤波器是一种用于图像处理的滤波器，其原理是根据图像的局部特性来自动调整滤波器的尺寸和滤波器中值的选取，以达到更好的去噪效果。
在数字图像中，噪声是无法避免的。
噪声会导致图像细节丢失、边缘模糊等问题，影响图像的质量和分析结果。
因此，去除图像中的噪声是图像处理的一个重要任务。
滤波器是一种常用的图像去噪方法，其中中值滤波器是一种常见的非线性滤波器。
中值滤波器的原理是将滤波器窗口内的像素按照灰度值进行排序，然后选择中间值作为输出像素的灰度值。
这种方法能够有效地去除椒盐噪声等噪声类型，但对于高斯噪声等其他噪声类型的去除效果并不理想。
为了解决这个问题，自适应中值滤波器被提出。
自适应中值滤波器的核心思想是根据图像局部特性来动态调整滤波器的尺寸和选择滤波器中值的方法。
具体来说，自适应中值滤波器会根据滤波器窗口内的像素灰度值的范围来判断是否存在噪声。
如果存在噪声，滤波器会扩大尺寸，重新计算滤波器中值，并将其作为输出像素的灰度值；如果不存在噪声，滤波器会保持原来的尺寸和滤波器中值。
自适应中值滤波器通常包括以下几个步骤：1. 设定滤波器窗口的初始尺寸和滤波器中值的初始值。
2. 遍历图像的每个像素，以当前像素为中心构建滤波器窗口。
3. 按照灰度值对滤波器窗口内的像素进行排序。
4. 判断滤波器窗口内的像素灰度值范围是否超过预设阈值，如果超过则执行下一步，否则将滤波器中值作为输出像素的灰度值。
5. 扩大滤波器窗口的尺寸，并重新计算滤波器中值。
6. 重复步骤3-5，直到滤波器窗口的尺寸达到最大值。
7. 将滤波器中值作为输出像素的灰度值。
通过自适应中值滤波器的动态调整滤波器尺寸和滤波器中值的方法，可以更好地适应不同图像区域的噪声特性，提高图像去噪的效果。
同时，自适应中值滤波器还可以保留图像的细节信息，不会造成图像的模糊。
自适应中值滤波器是一种根据图像局部特性动态调整滤波器尺寸和滤波器中值的滤波器。
MATLAB课程设计自适应中值滤波
采用快速排序算法，提高滤波速度 引入自适应阈值，提高滤波效果 采用并行计算，提高滤波效率 引入图像分割技术，提高滤波精度
课程设计任务和要 求
提 高 M AT L A B 编 程 能 力 掌握自适应中值滤波算法 提高问题解决能力 培养团队合作精神
掌握MATLAB的基 本语法和编程技巧
理解自适应中值滤 波的原理和实现方 法
添加标题
M AT L A B 实 现 自 适 应 中 值 滤 波 ： 可 以 使 用 M AT L A B 中 的 i m f i l t e r 函 数 来 实 现 自 适 应 中 值 滤 波 ， 该 函数可以方便地实现各种类型的滤波操作。 A B 图 像 处 理 工 具 箱 广 泛 应 用 于 图 像 处 理 、 计 算 机 视 觉 、 模 式 识 别 等 领 域 。
自适应中值滤波算 法介绍
中值滤波是一种非线性滤波技术，通过计算像素邻域的中值来代替像素值，以消除噪 声和模糊图像。
中值滤波可以有效地消除椒盐噪声和随机噪声，但对高斯噪声和脉冲噪声的抑制效果 较差。
中值滤波的缺点是会导致图像细节的丢失，特别是在处理边缘和纹理区域时。
自适应中值滤波是一种改进的中值滤波算法，可以根据图像的局部特性自适应地调整 滤波器的参数，以更好地保留图像的细节和边缘。
添加项标题
函数定义：使用符号"function"进行函数定义，如 "function y = f(x)"
添加项标题
赋值语句：使用符号"="进行赋值，如"x = 1"
添加项标题
条件语句：使用符号"if"、"elseif"、"else"进行条件判断， 如"if x > 0"
自适应中值滤波器
姓名：郝伟杰学号：201120112012 导师：郭蔚数字图像处理（实验二）实验名称：自适应中值滤波器实验目的：验证自适应中值滤波器的祛除噪声效果。
此算法分为两个层次：A层为A1=Zmed —Zmin,，A2=Zmed—Zmax，如果A1>0且A2<0，则转到B层；否则增大窗口尺寸，如果窗口尺寸<=Smax则重复A层，否则输出Zmed。
B层为B1=Zxy—Zmin，B2=Zxy—Zmax，如果B1>0且B2<0，则输出Zxy，否则输出Zmed。
实验结果：自适应中值滤波器7*7自适应中值滤波器9*9自适应中值滤波器11*11结果分析：自适应中值滤波器能够很好的处理图像的细节和边缘，使图像更加细腻，清晰，给人以良好的视觉冲击，但是我做的程序运行起来比较慢，大约三十多秒，所以有待很好的优化，而且模板我限制到了11*11的之后才达到了课本上的效果，究其原因，我认为是图像的差异造成了结果上的差异。
实验程序：function ZSY1zhongzhi(a,n1) %自适应中值滤波器（此算法感觉较为合理！！！！！！！！！！）%椒盐噪声subplot(2,2,1),imshow(a,[]),title('原图像')a=double(a);[m,n]=size(a);n2=n1-1;n3=(n1-1)/2;b=zeros(m+n2,n+n2);for i=1:mfor j=1:nb(i+n3,j+n3)=a(i,j);endendsubplot(2,2,2),imshow(b,[]),title('扩充后的图像')for i=n3+1:m+n3for j=n3+1:n+n3for m1=3:2:n1m2=(m1-1)/2;c=b(i-m2:i+m2,j-m2:j+m2);%使用7*7的滤波器 Zmed=median(median(c));Zmin=min(min(c));Zmax=max(max(c));A1=Zmed-Zmin;A2=Zmed-Zmax;if(A1>0&&A2<0)B1=b(i,j)-Zmin;B2=b(i,j)-Zmax;if(B1>0&&B2<0)b(i,j)=b(i,j);elseb(i,j)=Zmed;end%elsecontinue;endendendendsubplot(2,2,3),imshow(b,[]),title('中值后的图像') d=ones(m,n);for i=1:mfor j=1:nd(i,j)=b(i+m2,j+m2);endendsubplot(2,2,4),imshow(d,[]),title('处理好的图像')。
自适应中值滤波器的设计与实现
北京邮电大学世纪学院毕业设计(论文)题目自适应中值滤波器的设计与实现学号08010321学生姓名王立阳专业名称通信工程所在系（院）通信与信息工程系指导教师鞠磊2012年6月1日北京邮电大学世纪学院毕业设计（论文）任务书姓名王立阳学号08010321专业通信工程系（院）通信与信息工程系设计（论文）题目自适应中值滤波器的设计与实现□工程设计；■工程技术研究；□软件工程（如CAI课题等）；□专题研究；□艺术设计；□其题目分类他□自然科学基金与部、省、市级以上科研课题；□企、事业单位委托课题；□院级课题；■自拟题目来源课题□其他指导教师（指导教组职称工作单位备注组长及成员姓名）鞠磊讲师北京电子科技学院指导教师毕业设计(论文)的内容和要求：[注意：选题尽量与实际应用需求相结合。
要求写明本设计（论文）所涉及的分析方法或技术手段（如定性、定量分析的方法）；要求有学生独立的见解，设计内容要详细写明具体步骤和技术指标]。
图像滤波是图像处理的关键步骤，常用于图像增强图像分割前的预处理。
当前滤波方法非常多，各种算法在特定的情况下会表现出不同的效果。
通常滤波器将图像不加区别的作为一个整体处理，而不考虑图像细节差异，因此在滤除噪声的同时也不可避免的模糊了图像细节。
本课题主要研究针对图像细节特点使用中值图像滤波的方法，具体内容包括：1、图像滤波器原理与基本方法研究；2、分析标准中值滤波方法存在的不足；3、提出2到3种改进方法，设计自适应中值滤波；4、通过MATLAB编程实现，实现对具体图像的滤波，并与传统中值滤波器进行效果比较分析。
应完成的工作和提交材料要求（课题完成后应提交成果的种类、数量、质量等方面的要求）：（1）开题报告：调研自适应滤波器的相关技术，针对课题要求制定研究内容与实施计划，撰写3000字左右开题报告；（2）论文的中文摘要：200-300字左右，包含关键词，并译成英文。
英文摘要以250个左右实词为宜；（3）论文正文不少于15000字；（4）翻译1500汉字以上的与课题有关的技术资料或专业文献；主要参考文献（参考文献不少于4篇，参考文献目录按GB/T7714—2005的要求填写）：[1]1S.Haykin著.郑宝玉等译.自适应滤波器原理，北京：第四版.电子工业出版社.2003.7[2]何振亚，自适应信号处理，北京：科学出版社，200.2[3]邹国良，自适应滤波理论及应用，石家庄：河北大学出版社，199.7[4]胡广书，数字信号处理—理论、算法与实现，北京：清华大学出版社，1997.[5]赵力，语音信号处理，北京：机械工业出版社，2003.[6]姚天任，数字语音处理，武汉，华中科技大学出版社，199.2[7]葛良，陶智，基于自适应滤波的语音增强算法，江苏：苏州大学学报.2002.8[8]韩利竹，王华，MATALB电子仿真与应用(第2版)，北京：国防工业出版社，2003.毕业设计（论文）进度计划（从正式启动时间开始，以周为单位填写）：第1周-第2周课题调研、查资料、撰写开题报告第3周根据查询的资料确定总体设计思路，完成开题报告并上交.第4周-第7周毕业设计单元部分研究,并设计出整体框架第8周完成论文中期检查报告第9周-第15周资料整理，撰写毕业论文；上交毕业设计论文，指导教师审查评阅设计报告，毕业设计答辩资格审查。
自适应中值滤波方法
自适应中值滤波方法我们通过对中心权值进行分析，不难得出以下结论：假设权值为1时，CWM 则退化成为SM ，然而当权值不小于窗口大小时，CWM 滤波器的输出值始终为初始值，也就是会导致CWM 失去去噪效果。
通过科学实验验证，当中心权值取3的时候，可以得到相比其他值更好的滤波效果。
从上面的结论可知，CWM 的中心权值为3时，可以增加序列里中心像素点占所有像素点的比重，以便得到更好的去噪效果。
那对于SM ，通过改变序列中值左右两个值的大小，观察其去噪效果会发生什么变化呢？对于SM 滤波器，除了序列中值外，序列中中值前面一个值与中值后面一个值对去噪的效果也会起到了明显作用。
于是结合CWM 的这些优点，并整合了TSM 和NASWF 等滤波器设计的思想，设计了一个改进的自适应中值滤波器( Adaptive Median Filter, AM)[10]。
其主要滤波方法如下：()()()()1222122211222112122ij ij ws ws ij ij ijij ws ws ij WS rank W WS SM R R if rank X AM WS rank W WS SM R R ifrank X WS ++++⎧⎢+⎥-⎪⎢⎥+⎪⎢⎥--⨯≤⎪⎢⎥⎪⎢⎥⎪⎣⎦=⎨⎡+⎤⎪-⎢⎥⎪+⎢⎥--⨯>⎪-⎢⎥⎪⎢⎥⎪⎢⎥⎩（2.5）式2.4中，WS 表式窗口大小，R i 表示序列中第i 个元素的值，rank(X)表示元素X 在序列中的位置，点(i,j)为窗口中心像素点。
对于点(I,j)，经过AM 滤波后的输出值即为AM ij 。
根据TSM 中设计的阈值策略，Chang 在其设计中也加入了类似的策略，通过阈值T 来判断是否需对当前像素点采用式2.4进行滤波，或者保留原值:ijij ij ij ijij ij AM X AM T Y X X AM T⎧-≥⎪=⎨-<⎪⎩（2.6）图 3.5 AM滤波器结构图输出Switch输入脉冲噪声检测AM。
自适应中值滤波在数字图像处理中的应用
第29卷 第4期河北理工大学学报(自然科学版)Vol129 No14 2007年11月J ourna l of Hebe i Polytechn ic Un i ver sity(Na tur a l Science Edition)Nov.2007文章编号:1674-0262(2007)04-0111-03自适应中值滤波在数字图像处理中的应用刘伟1,孙丽媛2,王汝梅3(11河北理工大学计算机与自动控制学院,河北唐山063009;21机械工程学院;31冶金与能源学院)关键词:脉冲噪声;自适应中值滤波;掩模摘 要:针对一般中值滤波在滤除脉冲噪声中的不足,提出了自适应中值滤波的方法,论述了其基本原理和具体实现方法,实验证明,此方法对脉冲噪声有很好的滤除效果。
中图分类号:TP391141 文献标识码:A 在数字图像受到噪声污染后,需要对其进行滤波。
针对不同的噪声有不同的滤波方法。
中值滤波对滤除脉冲噪声有很好的效果,但也会损失图像的部分细节,而自适应中值滤波能够在保持图像细节的基础上滤除脉冲噪声。
1 脉冲噪声脉冲噪声也称双极脉冲噪声,它的概率密度函数可由下式给出:P(z)=Pa z=aPb z=b0 其它(1) 如果b>a,灰度值b在图像中将显示为一个亮点,相反,a的值将显示为一个暗点。
若Pa 或Pb为零,则脉冲噪声称为单极脉冲。
脉冲噪声可以是正的,也可以是负的。
标定通常是图像数字化过程的一部分。
因为脉冲干扰通常与图像信号的强度相比较大,因此,在一幅图像中,脉冲噪声总是数字化为最大值(纯黑或纯白)。
这样,通常假设a,b是饱和值,从某种意义上看,在数字化图像中,它们等于所允许的最大值和最小值。
由于这一结果,负脉冲以一个黑点出现在图像中。
由于相同的原因,正脉冲以白点出现在图像中。
对于一个8位图像,这意味着a=0(黑),b=255(白)。
图1为原始图像,图2为受25%双极性脉冲噪声污染的图像。
收稿日期622:20009142 中值滤波中值滤波是一种非线性的空间滤波器,它是将象素邻域内灰度的中值代替该象素的值。
自适应中值滤波器的设计与实现
自适应中值滤波器的设计与实现自适应中值滤波器是一种基于信号的局部特性进行处理的滤波器。
它适用于在图像处理中去除椒盐噪声（salt and pepper noise）的任务。
椒盐噪声是一种随机噪声，它会在图像中产生亮或暗的像素点。
自适应中值滤波器的设计和实现可以分为以下几个步骤。
首先，我们需要定义一个滑动窗口的大小，以确定每次滤波的区域。
通常选择一个正方形的窗口，大小通常在3×3到7×7之间。
较小的窗口会导致噪声较少的图像细节损失，但也可能无法完全去除噪声。
较大的窗口可以去除更多的噪声，但可能会模糊图像。
接下来，我们需要确定中值滤波器的参数。
通常情况下，我们需要选择一个适当的阈值，来判断是否对像素进行滤波。
一个常用的阈值是像素值的标准差的倍数K，如果像素值与其领域的中值之间的差异超过K倍的标准差，则认为该像素是噪声。
为了更好地抑制噪声，阈值K通常选择较大的值。
然而，过大的阈值也可能会导致图像细节的损失。
一种常用的自适应中值滤波器算法是逐级嵌套。
首先使用较小的窗口进行滤波，然后根据滤波结果进行判断。
如果像素的灰度值与中值之间的差异大于阈值，则继续使用较大的窗口进行滤波，直到像素的灰度值与中值之间的差异小于阈值为止。
这种逐级嵌套的方法可以在保留图像细节的同时去除噪声。
在实现自适应中值滤波器时，可以使用编程语言如Python或MATLAB 来编写代码。
首先需要读取图像，并将图像转换为灰度图像。
然后，利用嵌套循环遍历每个像素，并在每个像素的领域内计算中值。
根据阈值判断是否对像素进行滤波，如果需要滤波，则继续使用较大的窗口进行滤波。
最后，将滤波结果保存为新的图像。
需要注意的是，自适应中值滤波器的设计和实现是一个复杂的任务，并且其性能和效果取决于所选择的参数和算法。
因此，在使用自适应中值滤波器时，需要根据具体的应用场景和需求进行适当的调整和优化，以达到较好的滤波效果。
自适应中值滤波器的原理
自适应中值滤波器的原理一、引言在数字图像处理中，滤波器是一种常用的技术，用来改善图像的质量和减少噪声的影响。
而自适应中值滤波器作为一种常见的滤波器，其原理是根据像素点周围的邻域像素值来动态调整滤波器的大小，以达到更好的滤波效果。
本文将详细介绍自适应中值滤波器的原理和应用。
二、自适应中值滤波器的原理自适应中值滤波器的原理可以分为以下几个步骤：1. 定义滤波器的大小：首先需要确定滤波器的大小，一般以邻域像素的个数来表示。
通常情况下，滤波器的大小为3x3或5x5。
2. 选择邻域像素：根据滤波器的大小，选择以当前像素点为中心的邻域像素。
邻域像素的选择可以采用不同的方式，如以当前像素为中心的正方形区域或圆形区域。
3. 对邻域像素进行排序：将选取的邻域像素按照像素值进行排序，得到一个有序的像素序列。
4. 计算中值：根据排序后的像素序列，计算出其中值。
中值是指像素序列中的中间值，如果序列的长度为奇数，则中值为序列的中间元素；如果序列的长度为偶数，则中值为序列中间两个元素的平均值。
5. 判断像素是否是噪声：将当前像素与中值进行比较，如果它们的差值小于某个阈值，则判断当前像素为噪声；否则，当前像素保持原值。
6. 更新滤波器的大小：如果当前像素被判断为噪声，则增加滤波器的大小，重新选择邻域像素，并重复步骤3到步骤5，直到当前像素不再被判断为噪声。
7. 应用滤波器：对图像中的每个像素都按照上述步骤进行处理，最终得到滤波后的图像。
三、自适应中值滤波器的应用自适应中值滤波器广泛应用于数字图像处理领域，主要用于去除图像中的椒盐噪声和脉冲噪声。
椒盐噪声和脉冲噪声是图像中常见的噪声类型，它们会导致图像质量下降并影响后续的图像分析和处理。
通过自适应中值滤波器，可以有效地去除椒盐噪声和脉冲噪声，使图像恢复到原本的清晰度和细节。
其原理是利用邻域像素的信息来判断当前像素是否是噪声，并根据判断结果动态调整滤波器的大小，从而更好地适应不同类型和程度的噪声。
一种自适应中值滤波器算法的FPGA实现概要
一种自适应中值滤波器算法的 FPGA 实现作者:王敬美指导老师:杨春玲(哈尔滨工业大学电气工程及自动化学院,哈尔滨, 150001Email:摘要 :在数字图像的生成和采集过程中,由于受工作环境、器件性能的影响,使得任何一幅未经处理的原始图像, 都存在着一定程度的噪声干扰。
这些干扰恶化了图像质量, 给后续分析带来困难。
因此,需要对数字图像进行滤除噪声处理。
本文基于 Cyclone II FPGA, 在 3×3图像采样窗口的基础上,将窗口尺寸扩展到 5×5,并与 3×3中值滤波器、 5×5中值滤波器相结合, 在 FPGA 中实现了一种自适应中值滤波器; 并把滤波处理后像素点的灰度值作进一步的伪彩色增强变换。
这样通过自适应中值滤波加伪彩色增强, 在对图像去除噪声并尽可能减少图像细节损失的同时,增强了图像信息的表现力。
经实际测试表明, 本文的数字图像自适应中值滤波器具有速度快、滤波效果好、抗干扰能力较强等优点。
关键词 :数字图像处理; FPGA ;中值滤波;自适应;One Adaptive Median Filter Algorithm Using FPGA Author: Wang jingmei Tutor: Yang chunling(School of Electrical Engineering and Automation of HIT, Harbin, 150001Email:Abstract :When the digital images are made and collected, work environment and character of device, give lots of disturbing to the original images. The disturbing worsens the image quality, and gives lots of difficulties to analysis. So, filtering the noises is necessary. In this paper, based on Cyclone II FPGA, using 3×3 image window and 5×5 image window, combine 3×3 median filter and 5×5 median filter, realizing an adaptive median filter. Some false color enhancement transform step is used. With the using ofadaptive median filter and false color enhancement, we can not only filter the noises and save the image’s detail, but also can enhance the image’s information.According to experiment’s results, the adaptive median filter in this paper has the advantages of high speed, higher performance and high anti-interference ability.Key words: image treatment; FPGA; median filter; adaptive0 引言由于数字相机本身的问题以及周围环境对图像传输路径的干扰和影响, 使得数字图像在生成和采集过程中会引入许多噪声干扰,这些干扰恶化了图像质量, 使图像模糊,甚至淹没目标特征,给后续的分析处理带来困难。
自适应中值滤波器的原理(一)
自适应中值滤波器的原理(一)自适应中值滤波器自适应中值滤波器是一种常用的图像处理技术，它在去除图像中的噪声方面具有很好的效果。
本文将从原理、算法和应用方面介绍自适应中值滤波器。
1. 原理自适应中值滤波器的原理是基于信号处理和数字图像处理的理论。
它通过对图像中的每个像素点周围的邻域进行统计，判断当前像素点是否为噪声，并采取相应的滤波操作。
2. 算法自适应中值滤波器的算法主要包括以下几个步骤：1.选择合适的窗口大小和滤波器阈值。
2.遍历图像中的每个像素点。
3.对当前像素点的领域进行像素值排序。
4.判断当前像素点是否为噪声。
–如果当前像素点的像素值与排序后的中值之间的差值不超过滤波器阈值，则判断为噪声。
–否则，不做处理，保留当前像素点的像素值。
5.若当前像素点为噪声，则采取滤波操作。
–对当前像素点的领域进行重新排序。
–取排序后的中值，作为滤波后的像素值。
3. 应用自适应中值滤波器在图像处理领域有着广泛的应用，以下是一些常见的应用场景：•图像去噪：自适应中值滤波器可以有效消除图像中的椒盐噪声、高斯噪声等各种噪声。
•图像增强：自适应中值滤波器可以突出图像中的边缘和细节，使图像更加清晰和鲜明。
•图像分割：自适应中值滤波器可以在图像分割中作为预处理步骤，去除图像中的干扰噪声，提高分割的准确性。
结语自适应中值滤波器是一种重要的图像处理技术，它在去除图像噪声方面具有独特的优势。
通过对图像邻域进行统计和滤波操作，可以有效地去除各种类型的噪声，并提升图像的质量和清晰度。
希望通过本文的介绍，读者对自适应中值滤波器有更加深入的了解。
4. 窗口大小和滤波器阈值的选择在自适应中值滤波器中，窗口大小和滤波器阈值的选择对滤波效果有着重要的影响。
下面分别介绍它们的选择原则：窗口大小选择原则窗口大小决定了自适应中值滤波器在邻域内进行统计和滤波的范围。
选择合适的窗口大小可以保证滤波的准确性和效果。
以下是窗口大小选择的原则：•窗口大小应足够大，以涵盖图像中的噪声和细节。
基于FPGA的实时图像自适应中值滤波器设计
ｇ （ ， Ｙ ）＝ｍ ｅ ｄ ｛ 厂 ＿ （ —ｋ ， Ｙ— Ｚ ） ， （ ｋ ， ｆ ∈Ｗ） ｝ （ １ ） 其中 Ｘ ， Ｙ ） ， ｇ （ ， Ｙ ） 分别为原始图像和处理后图像 。
为二 维模 板 ， 窗 口可 以是 方形 、 圆形 、 线状 等 ， 可 以根
据 图像 的形 状 视情况 选取 ； 窗 口 的大小 有 ３ Ｘ ３ 、 ５ Ｘ ５ 、
关键词 自适应 ；中值 滤波 ；Ｆ Ｐ Ｇ Ａ；实时
中图分类号 Ｔ Ｎ ９ １ １ ． ７ ３ 文 献标 识 码 Ａ 文章编号 １ ０ ０ ７— ７ ８ ２ ０ （ ２ ０ １ ４ ） ０ １ —１ ２ １ — ０ ４
Ｄｅ ｓ ｉ ｇ ｎ ｏ ｆ Ｒｅ ａ ｌ － ｔ ｉ ｍｅ Ｉ ｍａ ｇ ｅ Ａｄａ ｐ ｔ ｉ ｖ ｅ Ｍ ｅ ｄ ｉ ａ ｎ Ｆｉ ｌ ｔ ｅ ｒ Ｂａ ｓ ｅ ｄ ｏ ｎ ＦＰＧＡ
ｄ ａ ｐ ｔ ｉ ｖ ｅ ｍｅ ｄ ｉ ａ ｎ ｉ ｆ ｌ ｔ ｅ ｒ ． Ｃｏ ｍｐ ａ ｒ ｅ ｄ ｗｉ ｔ ｈ ｔ ｈ ｅ ｏ ｔ ｈ ｅ ｒ ｓ ｏ ｆ ｔ ｗａ ｒ ｅ ｒ ｅ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｓ， ｔ ｈ ｅ ｐ ｒ ｏ ｇ ｒ ａ ｍ ｒ ｅ ｑ ｕ ｉ ｒ ｅ ｓ ｆ ｅ ｗｅ ｒ ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ｗｈ ｉ ｌ ｅ ｍｅ ｅ ｔ ｉ ｎ ｇ ｔ ｈ ｅ ｒ ｅ ａ ｌ — ｔ ｉ ｍｅ ｒ ｅ ｑ ｕ ｉ ｒ ｅ ｍｅ ｎ ｔ ｓ ． Ｉ ｔ ｉ ｓ ａ ｎ ｅ ａ ｓ ｙ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｉ ｓ ｖ ｅ ｉｆ ｒ ｉｅ ｄ ｏ ｎ Ｘｉ ｌ ｉ ｎ ｘ ＦＰ ＧＡ ｈ ａ ｒ ｄ ｗａ ｒ ｅ ｐ ｌ ａ ｔ ｆ ｏ ｒ ｍ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ； ｍｅ ｄ ｉ ａ ｎ ｉｌ ｆ ｔ ｅ ｒ ；Ｆ ＰＧＡ ； ｒ ｅ ａ ｌ － ｔ ｉ ｍｅ
图像处理基础（2）：自适应中值滤波器（基于OpenCV实现）
图像处理基础（2）：⾃适应中值滤波器（基于OpenCV实现）本⽂主要介绍了⾃适应的中值滤波器，并基于OpenCV实现了该滤波器，并且将⾃适应的中值滤波器和常规的中值滤波器对不同概率的椒盐噪声的过滤效果进⾏了对⽐。
最后，对中值滤波器的优缺点了进⾏了总结。
空间滤波器⼀个空间滤波器包括两个部分：⼀个邻域，滤波器进⾏操作的像素集合，通常是⼀个矩形区域对邻域中像素进⾏的操作⼀个滤波器就是在选定的邻域像素上执⾏预先定义好的操作产⽣新的像素，并⽤新的像素替换掉原来像素形成新的图像。
通常，也可以将滤波器称之为核(kernel)，模板(template)或者窗⼝(window)。
根据预定义的操作，可以将滤波器分为：线性滤波器⾮线性滤波器⽽根据滤波器最终对图像造成的影响，可以将滤波器分为：平滑滤波器，通常⽤于模糊图像或者去除图像中的噪声锐化滤波器，突出图像中的边缘细节部分中值滤波器 Median Filter中值滤波器是⼀种常⽤的⾮线性滤波器，其基本原理是选择待处理像素的⼀个邻域中各像素值的中值来代替待处理的像素，其主要功能是像素的灰度值与周围像素⽐较接近，从⽽消除孤⽴的噪声点，所以中值滤波器能够很好的消除椒盐噪声。
不仅如此，中值滤波器在消除噪声的同时，还能有效的保护图像的边界信息，不会对图像造成很⼤的模糊（相⽐于均值滤波器）。
中值滤波器的效果受滤波窗⼝尺⼨的影响较⼤，在消除噪声和保护图像的细节存在着⽭盾：滤波窗⼝较⼩，则能很好的保护图像中的某些细节，但对噪声的过滤效果就不是很好；反之，窗⼝尺⼨较⼤有较好的噪声过滤效果，但是会对图像造成⼀定的模糊。
另外，根据中值滤波器原理，如果在滤波窗⼝内的噪声点的个数⼤于整个窗⼝内像素的个数，则中值滤波就不能很好的过滤掉噪声。
⾃适应中值滤波器 Adaptive Median Filter上⾯提到常规的中值滤波器，在噪声的密度不是很⼤的情况下（根据经验，噪声的出现的概率⼩于0.2），效果不错。
滤波器设计中的自适应中值滤波器
滤波器设计中的自适应中值滤波器在数字信号处理领域，滤波器扮演着至关重要的角色，用于去除信号中的噪声，提取感兴趣的信息。
自适应中值滤波器是一种常用的滤波器，它能根据信号的特点自动选择合适的滤波参数，提高滤波效果。
本文将介绍自适应中值滤波器的原理和应用。
一、自适应中值滤波器的原理自适应中值滤波器的核心思想是根据信号的局部特征进行自适应的滤波操作。
它通过比较信号中的各个样本点与邻域内其他样本点的差值，在保持信号主要特征的前提下去除噪声。
具体而言，自适应中值滤波器的操作流程如下：1. 针对每个样本点，选择一个合适的邻域大小，通常是一个正方形或者圆形的区域。
2. 将邻域内的样本点按照大小进行排序，得到一个有序序列。
3. 计算邻域内样本点的中值，并将中值与当前样本点进行比较。
4. 若当前样本点与中值之间的差值小于一定阈值，则保留当前样本点；否则，将当前样本点替换为中值。
上述操作将根据邻域内的特征，自动选择合适的滤波参数，并有效去除噪声。
二、自适应中值滤波器的应用自适应中值滤波器在图像处理和语音信号处理等领域得到了广泛应用。
以下将就其中两个典型应用进行介绍。
1. 图像去噪图像去噪是图像处理中的重要任务，在数字图像采集与传输过程中，图像往往受到各种噪声的干扰。
自适应中值滤波器能够根据噪声的特点进行自适应的滤波操作，有效去除噪声，同时保持图像的边缘和细节信息。
2. 语音信号去噪语音信号在传输和录制过程中也容易受到各种噪声的污染，影响语音的清晰度和可懂度。
自适应中值滤波器能够根据噪声的特点自动调整滤波参数，去除噪声，提高语音信号的质量和可识别性。
三、自适应中值滤波器的性能评价对于滤波器的性能评价，一般包括去噪效果、信号保留能力和计算复杂度等方面。
1. 去噪效果去噪效果是衡量滤波器性能的重要指标之一。
自适应中值滤波器能够根据信号特点选择合适的滤波参数，有效去除噪声，同时保持信号的主要特征。
2. 信号保留能力滤波器的主要目的是去除噪声，但同时需要保留信号的有用信息。
保护细节的开关自适应矢量中值滤波器
ｒ ｃ ｏ ｏ ｓ ｄ ｔ ｃ ｉｎ， ｃ ｌ ｒ ｅ ｅ ｔ ｎ ｎ ｖ ｃ ｏ ｄ ｔ ｃｉ ｎ ｓ ｏ ａ ｙ ｆ ｎ ｉｅ ｅ ｅ ｔ ｏ ｓ ａ ａ ｄ ｔ ｃｉ ａ ｄ ｅ ｔ ｒ ｅ ｅ ｔ ｉ ｏ ｏ ｃ ｍｂ ｎ ｄ Ｕｓｎ ｓ ｔ ｈ ｎ ｖ ｃ ｏ ｍｅ ｉｎ ｉｌ ｒ ｆｌ ｒ ｇ ｓ ｉｅ ． ｉｇ ｗｉ ｉ ｇ ｅ ｔ ｒ ｃ ｄ ａ ｆ ｔ ， ｔ ｉ ｉ ｅ ｉ ｅｎ ｕ ｅ ｎ ｙ ｉ ｈ ｉ ｅ ｉ ｎ ｉｅ ｕ ｉ ｇ ｔ ｅ ｓ ａ ａ ｅ ｅ ｔｎ ． ｈ ｓ ｍｅ ｈ ｄ ｉ ｏ ｕ ａｉ ｎ ｌ ｆ ｃｅ ｔ ａ ｄ ｐ ｏ ｉ ｅ ｘ ｅｌ ｎ ａ — ｓ ｄ ｏ ｌ ｆ ｔ ｅ ｐ ｘ ｌ ｓ ｏ ｓ ｄ ｒｎ ｈ ｃ ｌｒ ｄ ｔ ｃｉ ｇ Ｔ ｉ ｔ ｏ ｓ ｍｐ ｔｔｏ ａｌ ｅ ｉｎ ｎ ｒ ｖ ｄ ｓ ｅ ｃ ｌ ｔ ｂ ｌ ｃ ｙ ｉ ｅ ａ ｃ ｅｗｅ ｎ ｎ ｉｅ ａ ｅ ｕ ｉ ｎ ａ ｄ ｄ ｔ ｉ ｐ ｅ ｅ ａ ｉ ｎＢｅ ｉ ｅ ， ｅ ｍｅ ｈ ｄ ｅ ｓ ｒ ｓ ｔ ｅ ｏ ｉ ｉ ａ ｏ ｏ ． ｎ ｅ ｂ ｔ ｅ ｏ ｓ Ｒ ｎ ａ ｏ ｎ ｅａ ｌ ｒ ｓ ｒ ｔ ． ｓｄ ｓ ｔ ｔ ｏ ｎ ｕ ｅ ｈ ｒｇ ｎ ｌ ｃ ｌ ｒ ｔ ｖ ｏ ｈ Ｋｅ ｒ ｓ ｃ ｌ ｒ ｉ ｇ ；ｍｐ ｌｅ ｎ ｉｅ ｎ ｉｅ ｄ ｔｃ ｉ ｎ；ｗｉ ｈ ｎ ｅ ｔ ｒ ｍｅ ｉｎ ｆ ｔ ｒ ｙ ｗｏ ｄ ： ｏ ｏ ｍａ ｅ ｉ ｕ ｓ ｏ ｓ ； ｏ ｓ ｅｅ ｔ ｏ ｓ ｔ ｉ ｇ ｖ ｃｏ ｄ ａ ｌ ｃ ｉ ｅ
１ 引言
由于 图像 传感器 的缺陷 ， 色数字 图像经常 会被 噪声 污 彩
护 图 像 的 细 节 ， 者 们 设 计 了 考 虑 权 重 的 且 适 用 于 各 种 类 型 学
MATLAB课程设计(自适应中值滤波)
MATLAB课程设计(自适应中值滤波)信息工程系课程设计报告课程MATLAB课程设计专业通信工程班级 2级本科二班学生姓名1 景学号114学生姓名2 学号1414目录目录 (3)摘要： (5)关键词： (5)1.算法描述 (5)1.1 噪声点 (6)1.2 窗口尺寸选择 (6)1.3求滤波窗口内中值，并替换像素点。
(6)2程序实现 (7)2.1准备和描述 (7)2.2扩大窗口、确定窗口 (8)2.3 确定最大、最小值和中值 (9)2.4中值替换像素点、输出图像 (10)实验结果 (12)参考文献 (12)摘要：通过本次课程设计，主要训练和培养学生综合应用所学MATLAB课程的自适应中值的相关知识，独立学习自适应中值滤波的原理及处理方式。
学会扩大窗口并找到其区域内的中值、最小值、以及最大值，然后用中值代替像素点。
通过自主学习和查阅资料来了解程序的编写及改进，并用MATLAB进行仿真。
关键词：自适应中值滤波灰度值椒盐噪声像素点.1.算法描述1.1 噪声点脉冲噪声是图像处理中常见的一类，中值滤波器对消除脉冲噪声非常有效。
噪声脉冲可以是正的（盐点），也可以是负的（胡椒点），所以也称这种噪声为“椒盐噪声”。
椒盐噪声一般总表现为图像局部区域的最大值或最小值，并且受污染像素的位置是随机分布的，正负噪声点出现的概率通常相等。
图像噪声点往往对应于局部区域的极值。
1.2窗口尺寸选择滤波窗口尺寸的选择影响滤波效果，大尺寸窗口滤波能力强，但细节保持能力较弱；小尺寸窗口能保持图像大量细节但其滤波性能较低。
根据噪声密度的大小自适应地选择滤波窗口可以缓和滤波性能与细节保持之间的矛盾，同时也增加了算法的时间复杂度。
从形状看来窗口方向要沿着边缘和细节的方向，不能穿过它们也不能把它们和周围相差很大的像素包含在同一窗口中否则边缘和细节会被周围像素模糊。
1.3求滤波窗口内中值，并替换像素点。
设f ij为点(i,j)的灰度,A i,j为当前工作窗口,f min、f max和f med 分别为A i,j中的灰度最小值、灰度最大值和灰度中值, A max为预设的允许最大窗口。
- 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)。
班级：学号：
姓名：
指导老师：
目录
一、实验目的： (3)
二、实验设备与软件： (3)
三、实验步骤： (3)
四、滤波器的简介： (3)
五、实验基本原理： (3)
六、试验结果分析和结论 (5)
七、实验总结 (6)
自适应中值滤波器的实现
一、实验目的：
进一步了解MatLab软件/语言，掌握滤波器的基本原理，运用所掌握的图
像处理知识对图像进行滤波处理，培养处理实际图像的能力并为课堂教学提供配套的实践机会。
为了弥补传统中值滤波器在进行图像降噪处理中的不足,在图像降噪技术中应用了自适应中值滤波器。
通过自适应中值滤波器与传统中值滤波器进行了比较,计算机仿真结果表明在对密度较大的椒盐噪声进行滤波时,自适应中值滤波较传统中值滤波具有较大的优越性。
二、实验设备与软件：
1、IBM-PC-XT计算机系统;
2、MatLab软件/语言包括图像处理工具箱（Image Processing Toolbox）;
3、实验所需要的图片；
三、实验步骤：
1、通过Matlab软件编程实现自适应中值滤波器；
2、选中图片moon,并对图片加上椒盐噪声；
3、分别使用传统滤波器和自适应中值滤波器对加了椒盐噪声后的图片进行滤波处理；
4、对比使用传统滤波器和自适应中值滤波器后的图片得出结论。
四、滤波器的简介：
滤波器被广泛地用于图象的预处理,抑制图象噪声,增强对比度,以及强化图象的边沿特征. 运用较为广泛的线性滤波器如平均值滤波器,能较好地抑制图象中的加性噪声. 但是,
线性滤波器会引起图象的钝化或模糊,使得图象中物体边界产生位移. 特别是,在图象受到
乘性噪声或脉冲噪声的干扰,如超声波及雷达成像中普遍存在的斑点噪声,线性滤波器就不
能取得预期的效果. 中值滤波器，就像其名字一样，是用该像素的相邻像素的灰度中值来代替该像素的值，是一种非线性滤波器. 例如滤波窗口由3×3 个象素组成,则其中5个象素的灰度值会小于等于该滤波器的输出灰度值,同时5 个象素的灰度值会大于等于滤波器的输出. 由此可见,对于离散的脉冲噪声,当其出现的次数小于窗口尺寸的一半时,将被抑制掉同时也能较好地保证图象的边沿特征,而且易于实现. 因此它被广泛地应用于图象处理,尤其是医
学图象处理,如超声波图象.但由于其使用的滤窗大小是固定不变的,当窗中噪声像素数超过有用像素之半时（噪声密度较大时）,中值滤波滤波作用大大降低。
多次试验验证:在脉冲噪声强度大于0.2时,中值滤波效果就显得不是令人满意。
而自适应中值滤波器会根据一定的设定条件改变滤窗的大小,即当噪声面积较大时,通过增加滤窗的大小将噪声予以去除,同时当判断滤窗中心的像素不是噪声时,不改变其当前像素值,即不用中值代替。
这样,自适应中值滤波器可以处理噪声概率更大的脉冲噪声,同时在平滑非脉冲噪声图像时能够更好地保持图像细节,这是传统中值滤波器做不到的
五、实验基本原理：
1、算法原理介绍
自适应中值滤波器的滤波方式和传统的中值滤波器一样,都使用一个矩形区域的窗口
Sxy ,不同的是在滤波过程中,自适应滤波器会根据一定的设定条件改变,即增加滤窗的大小,同时当判断滤窗中心的像素是噪声时,该值用中值代替,否则不改变其当前像素值,这样用滤波器的输出来替代像素(x,y) 处(即目前滤窗中心的坐标的值。
我们做如下定义:
Zmin是在Sxy滤窗内灰度的最小值;
Zmax是在Sxy滤窗内灰度的最大值;
Zmed是在Sxy滤窗内灰度的中值;
Zxy是坐标（x,y）处的灰度值;
Smax指定Sxy所允许的最大值。
自适应中值滤波算法由两个部分组成,称为第一层(Level A) 和第二层(Level B) 。
主要算法如下:
Level A : A1 = Zmed - Zmin
A2 = Zmed - Zmax
如果A1> 0 并且A2<0 ,转到level B ,否则增加滤窗Sxy的尺寸。
如果滤窗Sxy≤Smax ,则重复执行Level A ,否则把Zxy作为输出值。
Level B : B1 = Zxy - Zmin
B2 = Zxy - Zmax
如果B1>0 并且B2<0 , 把Zxy作为输出值, 否则把Zmed作为输出值。
2、实现技术
在对当前像素计算完成之后,滤波滑窗Sxy就会移到下一个像素点的位置,自适应中值滤波器便重新还原开始对新像素点进行计算。
设滤窗的长、宽相等,用window表示,其最大值用Smax 表示。
3、程序主体代码
程序初始化
Clear all;
Close all;
function f=adpmedian(g,smax)
f=g;
alreadypeocessed=false(size(g));
for i=3:2:smax
zmin=ordfilt2(g,1,ones(k,k),'symmetric');
zmax=ordfilt2(g,k*k,ones(k,k),'symmetric');
zmed=medfilt2(g,[k,k],'symmetric');
processusingleveb=(zmed>zmin)&(zmax>zmed)&~alreadyprocessed;
zb=(g>zmin)&(zmax>g);
outputzxy=processusingleveb&zb;
outputzmed=processusingleveb&~zb;
f(outputzxy)=g(outputzmed);
f(outputzmed)=zmed(outputzmed);
alreadyprocessed=alreadyprocessusingleveb;
if all(alreadyprocessed())
break;
end
end
smax=10;
a=imread('moon.tif');
g=imnoise(a,'salt & pepper',0.5);
subplot(1,4,1);imshow(a);
subplot(1,4,2);imshow(g);
subplot(1,4,3);imshow(medfilt2(g));
subplot(1,4,4);imshow(adpmedian(g,smax));
3、Sxy大小的自适应控制
如果算法中窗内噪声的像素数超过有用像素之半,则需要增加滤窗Sxy的尺寸,增加的方法是使window + 2 ,例如原来的滤窗尺寸为3 ×3 ,那么经过增加window 的值之后,滤窗尺寸变为5 ×5 ,如果这时Sxy ≤S max ,则继续对该像素点进行滤波运算,否则保持该像素点的灰度值不变。
以此类推,就构成了滤窗大小的自适应控制。
滤窗的最大值S max要随着噪声的空间密度大小的变化而进行调整,一般来说,噪声的空间密度大,选择S max也要适当地大一些,噪声的空间密度小,S max也要适当地小一些。
六、试验结果分析和结论
1、试验结果
为了验证自适应滤波器的性能，把moon 图像（图1所示）人为的加上椒盐噪声（图2所示），分别采用传统滤波器和自适应滤波器在Matlab仿真平台上进行了仿真试验，图3为传统滤波器对受污染图像滤波的结果，图4为自适应滤波器对受污染图像滤波的结果。
图1 原始moon图像
图2 受到椒盐噪声污染的图像
图3 传统中值滤波器对污染图像滤波的结果
图4 自适应中值滤波器对污染图像滤波的结果
2、试验结果对比分析
从图中可以看出，传统的中值滤波器降噪的能力不是很好，图像依然很模糊，大量的图像细节丢失，不能从根本上解决降噪与保护图像细节之间的矛盾。
而自适应中值滤波器,在有效地抑制噪声的同时还充分地保护了图像细节。
由此可见，自适应中值滤波器较传统中值滤波器具有很大的优越性，在很大程度上降低了滤除噪声和图像细节丢失之间的矛盾，对于工程实现有较好的理论参考价值。
3、结论
在图像降噪技术中应用了自适应中值滤波器，介绍了该算法的基本原理，并在matlab平台上进行编程实现和试验仿真：对椒盐噪声图像进行了滤波，并与传统中值滤波器滤波效果进行了比较，结果表明自适应中值滤波器对噪声的滤除效果都非常好：该滤波器能更有效地、更有针对性地抑制噪声并保持住图象的细节，表现出良好的滤波特性。
七、实验总结
在此次自适应中值滤波器的实现的实验中，实验过程中虽然遇到了各种各样的问题，但最终通过查阅各种资料和在老师的指导下，解决了各种问题如程序的调试等，使我们对MatLab软件/语言有了进一步的了解，掌握了使用MatLab软件编程的能力，培养了我们处理实际图像的能力。
最后感谢老师在对我们数字图像处理过程中给与的帮助与教导。
参考文献
[1] Rafael C Gonzalez，RichardE Woods.Digital Image Processing[M].Addison-welse PublishingCompany,1993:185.
[2] Kenneth R,Gastleman.Digital Image Processing[M].Prentice Hall.1996:154.
[3] 荆仁杰，叶秀清.计算机图像处理[M].北京:浙江大学出版社,1988:122.。