中值滤波原理详解：如何用邻域像素中间值替代当前像素点

中值滤波和前面介绍的滤波方式存在差异。它不再通过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代当前像素点的像素值。

中值滤波会选取当前像素点及其周围的临近像素点，这些临近像素点一共有奇数个。它会获取这些像素点的像素值，接着对这些像素值进行排序，之后把位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。

将其邻域设定为 3×3 的大小，接着对 3×3 邻域内的像素点的像素值进行排序，排序方式无论是升序还是降序都可以。按升序排序后，所得到的序列值为：[66,78,90,91,93,94,95,97,101]。在该序列里，处于中间位置（也称作中心点或中值点）的那个值是“93”，于是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，对如图 7 - 28 所展示的内容进行处理。

在 OpenCV 里，用于实现中值滤波的函数是 cv2.medianBlur()，它的语法格式是这样的：

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，因为未进行均值处理，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，这样就能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。