中值濾波是一種非線性數字濾波器技術，經常用于去除圖像或者其它信號中的噪聲。這個設計思想就是檢查輸入信號中的采樣并判斷它是否代表了信號，使用奇數個采樣組成的觀察窗實現這項功能。觀察窗口中的數值進行排序，位于觀察窗中間的中值作為輸出。然后，丟棄最早的值，取得新的采樣，重復上面的計算過程。
技術介紹
在圖像處理中，在進行如邊緣檢測這樣的進一步處理之前，通常需要首先進行一定程度的降噪。中值濾波是圖像處理中的一個常用步驟，它對于斑點噪聲（speckle noise）和椒鹽噪聲（salt-and-pepper noise）來說尤其有用。保存邊緣的特性使它在不希望出現邊緣模糊的場合也很有用。
例子
為了演示中值濾波器的工作過程，我們給下面的數組加上觀察窗 3 ，重復邊界的數值：
于是
其中 y 是 x 的中值濾波輸出。
算法描述
中值濾波器的主要思想是通過入口來遍歷信號入口，用鄰居入口的中值替換每個入口。鄰居的模式被稱為“窗口”，它通過入口滑動，覆蓋整個信號。對于一維信號，最明顯的窗口只是前后幾項，而2D（或更高維）信號（如圖像）則可能有更復雜的窗口模式（如“盒子”或“十字”模式）。請注意，如果窗口中有奇數個條目，則中位數很容易定義：在窗口中的所有條目都按數字排序之后，這只是中間值。對于偶數的條目，有不止一個可能的中位數。
邊界問題
請注意，在上面的例子中，因為第一個值之前沒有條目，所以第一個值和最后一個值一樣重復，以獲得足夠的條目來填充窗口。這是在信號邊界處理丟失的窗口條目的一種方法，但是還有其他的方案具有不同的屬性，在特定情況下可能是優選的：
二維中值過濾偽代碼
簡單的二維中值濾波算法代碼可能如下所示：
請注意，這個算法：
算法實現問題
通常，大部分的計算工作和時間花費在計算每個窗口的中值上。由于濾波器必須處理信號中的每個條目，對于像圖像這樣的大信號，這個中值計算的效率是確定算法運行速度的關鍵因素。上面描述的天真的實現將窗口中的每個條目進行排序以找到中間值；然而，由于只需要列表中的中間值，所以選擇算法可以更有效。此外，某些類型的信號（通常是圖像的情況）使用整數表示：在這些情況下，直方圖因為從窗口到窗口更新直方圖是簡單的，并且找到直方圖的中值并不特別繁瑣，所以中值可以更有效得多。
邊緣保存屬性
中值濾波是一種平滑技術，與線性高斯濾波一樣。所有的平滑技術都能有效去除信號光滑區域或平滑區域的噪聲，但對邊緣產生不利影響。通常，在減少信號中的噪聲的同時，保持邊緣是重要的。例如，邊緣對于圖像的視覺外觀是至關重要的。對于（高斯）噪聲的小至中等水平，中值濾波器在消除噪聲方面明顯好于高斯模糊，同時為給定的固定窗口大小保留邊緣。然而，對于高噪聲，其性能并不比高斯模糊好，而對于散斑噪聲和椒鹽噪聲（沖動噪音），這是特別有效的。因此，中值濾波在數字圖像處理中被廣泛使用。
在GIMP中進行中值濾波
在GIMP2.8.2中操作如下：
濾鏡->增強->去除斑點。
不要勾選適應和遞歸，設置黑色水平為-1，白色水平為256。根據需要調節半徑。半徑越大，細節越少。
參考資料 >