几种中值滤波去噪方法分析在数字图像的转换、 存储和传输等过程中， 经常性由于电子设备工作环境的不稳定，由于设备中含有一些污染物等原因，导致数字图像中一些像素点的灰度值发生非常大的变化， 变得非常小或者非常大； 而且大气环境很容易干扰无线数据传输，从而让传输信号混入噪声， 接收到的无线信号恢复成传输过来的数字图像较原图像相比也会有很大的不同。在这些过程中， 椒盐噪声很容易就会对数字图像造成感染。 客户满意的数字图像尽可能少或者没有受到椒盐噪声的污染。所以我们需要去噪处理。在现阶段处理椒盐噪声方面的研究成果方面，因为中值滤波有其非线性的特性，对比其他线性滤波方法可以取得更好的效果，同切同时还可以更好的保留图像的边缘信息。 很多学者在研究通过中值滤波消除椒盐噪声的影响，希望可以得到更好的去噪效果。第一节标准中值滤波方法标准中值滤波是把这个窗口内的像素点按灰度值大小进行排列，把灰度值的平均值当作标准值。我们以一个 8 位的图像作为例子， 因为椒盐噪声会让受影响的像素点灰度值改为亮点，即灰度值为255；或者暗点，即灰度值为0。我们在排序的时候，把收到污染的像素点的灰度值大小排列出来，取中间值为所有噪点值， 那么就可以消除噪声污染对这个点的影响。其具体步骤如下：① 把窗口在图像中滑动，然后让窗口中心与某一像素点重合② 记录下窗口中所有像素点的灰度值③ 将这些灰度值从小到大排序④ 记录下该灰度值序列中间的值⑤ 将所记录下的中间值替代窗口中心像素点的灰度值因为中值滤波的输出灰度值大小是由窗口的中值大小所决定的，所以中值滤波对于窗口内脉冲噪声远远没有均值滤波敏感。因此相对于均值滤波， 中值滤波可以在有效去除脉冲噪声的同时，减小更多的模糊图像。 由于由于中值滤波所采用的窗口大小会直接决定去噪效果和图像模糊程度，而且图像去噪后的用途也就决定了窗口的形式。以5*5 窗口为例，常见的形状如图2.1 所示：图2.1 常见的尺寸为5*5 的中值滤波窗口尽管标准中值滤波方法称得上是现在市面上的一种最简单有效的去除椒盐噪声的方法。 但是它判断像素点是否被噪声影响的机制不明确，尽管采用该方法时已经对所有像素点进行了一次滤波操作，还是会在一定程序上对图像的边缘、细节信息产生破坏。第二节带权值的中值滤波方法Brownrigg 提出了一种改进的中值滤波方法：带权值的中值滤波方法。这个滤波的步骤和SM 基本一样，不同的地方在于：WM ...
