中值滤波原理详解：如何用中间值替代像素点实现图像处理

中值滤波和前面介绍的滤波方式不一样。它不再通过加权求均值的方式来进行滤波计算。而是用邻域内所有像素值的中间值去替代当前像素点的像素值。

中值滤波会选取当前像素点以及其周围的临近像素点，这些临近像素点的总数为奇数个。接着会获取这些像素点的像素值，对这些像素值进行排序，之后把处于中间位置的像素值当作当前像素点的像素值。

针对图 7 - 27 里第 4 行第 4 列的那个像素点，去计算它的中值滤波值。

设置其邻域为 3×3 大小，接着对 3×3 邻域内的像素点像素值进行排序，排序方式升序或降序都可以，按升序排序后，得到的序列值为：66、78、90、91、93、94、95、97、101。在该序列里，处于中间位置（亦称为中心点或中值点）的那个值是“93”，所以用这个值去替换原先的像素值 78，将其当作当前点的新像素值，接着进行如图 7 - 28 所展示的处理。

OpenCV 中，实现中值滤波的函数为 cv2.medianBlur()，它的语法格式如下：

式中：

【例7.7】针对噪声图像，对其进行中值滤波，显示滤波的。

从图中可知，未进行均值处理时，中值滤波不像均值滤波等滤波方式那样会带来细节模糊问题。在中值滤波处理过程中，噪声成分难以被选中，因此能够在几乎不影响原有图像的情况下去除全部噪声。然而，由于需要进行排序等操作，中值滤波所需的运算量比较大。