中值滤波示例

### 中值滤波的实现方法 中值滤波是一种非线性滤波技术，广泛应用于图像处理领域以去除椒盐噪声和斑点噪声。其核心思想是通过将每个像素点的灰度值替换为其邻域像素点的中值来达到去噪的目的[^1]。 #### MATLAB中的中值滤波实现 在MATLAB中，可以通过内置函数`medfilt2`快速实现二维中值滤波。以下是具体的代码示例： ```matlab % 加载含噪声的图像 image = imread('noisy_image.jpg'); % 应用中值滤波器 (窗口大小为3x3) filtered_image = medfilt2(image, [3 3]); % 显示原始图像和滤波后的图像 figure; subplot(1, 2, 1); imshow(image); title('Original Noisy Image'); subplot(1, 2, 2); imshow(filtered_image); title('Filtered Image with Median Filter'); ``` 此代码片段展示了如何加载一幅带噪声的图像，并使用`medfilt2`函数对其进行中值滤波。参数 `[3 3]` 表示使用的滑动窗口尺寸为 $3 \times 3$ 像素[^3]。 --- #### OpenCV中的中值滤波实现 在OpenCV库中，也可以方便地调用 `cv::medianBlur` 函数完成中值滤波操作。下面是一段基于C++的实现代码： ```cpp #include <opencv2/opencv.hpp> using namespace cv; int main() { // 载入原图 Mat image = imread("input_image.png"); if (image.empty()) { std::cout << "Error: Could not open or find the image!" << std::endl; return -1; } // 创建窗口显示原图 namedWindow("Original Image", WINDOW_AUTOSIZE); imshow("Original Image", image); // 执行中值滤波 (窗口大小为5x5) Mat filteredImage; medianBlur(image, filteredImage, 5); // 显示滤波后的图像 namedWindow("Median Blurred Image", WINDOW_AUTOSIZE); imshow("Median Blurred Image", filteredImage); waitKey(0); return 0; } ``` 在这段代码中，`medianBlur` 函数接受三个参数：输入图像、输出图像以及卷积核大小（此处设置为 $5 \times 5$）。较大的卷积核会带来更强的平滑效果，但也可能导致更多细节损失[^4]。 --- #### 自定义中值滤波算法 如果不想依赖第三方库，还可以手动编写中值滤波逻辑。以下是一个简单的Python实现： ```python import numpy as np from scipy.ndimage import median_filter import matplotlib.pyplot as plt # 定义一个带有椒盐噪声的测试图像 def add_salt_pepper_noise(image, prob=0.05): output = np.copy(image) thres = 1 - prob for i in range(image.shape[0]): for j in range(image.shape[1]): rdn = np.random.rand() if rdn < prob: output[i][j] = 0 # 黑色噪声 elif rdn > thres: output[i][j] = 255 # 白色噪声 return output # 测试图像 original_image = np.zeros((100, 100), dtype=np.uint8) original_image[25:75, 25:75] = 255 # 添加白色方块作为目标区域 # 添加噪声 noisy_image = add_salt_pepper_noise(original_image) # 使用scipy进行中值滤波 filtered_image = median_filter(noisy_image, size=3) # 可视化结果 plt.figure(figsize=(12, 6)) plt.subplot(1, 3, 1), plt.imshow(original_image, cmap='gray'), plt.title('Original') plt.subplot(1, 3, 2), plt.imshow(noisy_image, cmap='gray'), plt.title('Noisy Image') plt.subplot(1, 3, 3), plt.imshow(filtered_image, cmap='gray'), plt.title('Filtered Image') plt.show() ``` 上述代码首先生成了一幅黑白矩形图案的测试图像，接着人为加入椒盐噪声，最后利用SciPy库中的`median_filter`函数实现了中值滤波[^5]。 --- ### 总结 无论是借助高级编程语言还是专用软件包，都可以灵活实现中值滤波功能。具体选择取决于实际应用场景和技术栈需求。