中值滤波原理详解：如何用邻域像素中间值替代当前像素值

中值滤波和前面介绍的滤波方式存在差异。它不再运用加权求均值的方式来进行滤波操作。而是用邻域内所有像素值的中间值去替换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临近的像素点，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并进行排序。之后，把处于中间位置的那个像素值当作当前像素点的像素值。

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

设置其邻域为 3×3 大小，然后对 3×3 邻域内的像素点的像素值进行排序，排序方式可以是升序也可以是降序，按照升序排序后，得到的序列值为：[66,78,90,91,93,94,95,97,101]。在该序列里，处于中间位置的那个值是“93”，这个位置也被称作中心点或者中值点。所以，用“93”这个值去替换原先的像素值 78，将其作为当前点的新像素值，处理情况如图 7 - 28 所示。

OpenCV 中，用于实现中值滤波的函数为 cv2.medianBlur()。其语法格式具体如下：

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，中值滤波不存在像均值滤波等滤波方式那样会带来细节模糊的问题。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。