5.3　中值濾波［1］

如圖5.3所示的灰度圖像的數據，為了求由○所圍的像素值，查看3×3鄰域內（黑框線所圍的范圍）的9個像素的灰度，按照從小到大的順序排列，即如下所示。

2　　2　　 3　　3　　④　　4　　 4　　5　　10

這時的中間值（也稱中值medium）應該是排序后全部9個像素的第5個像素的灰度值4。灰度值10的像素是作為噪聲故意輸入進去的，通過中值處理確實被消除了。為什么？原因是與周圍像素相比噪聲的灰度值極端不同，按大小排序時它們將集中在左端或右端，作為中間值是不會被選中的。

那么，其右側的像素（由所圍的像素）又如何呢？查看一下細框線所圍的鄰域內的像素。

2　　3　　 3　　4　　④　　4　　 4　　5　　10

中間值是4，實際上是3卻成了4，這是由于處理所造成的損害。但是，視覺上還是看不出來。

問題是邊緣部分是否保存下來。圖5.4（a）是具有邊緣的圖像，求由○所圍的像素，得到圖5.4（b）的結果，可見邊緣被完全地保存下來了。

在移動平均法中由于噪聲成分被放入平均計算之中，所以輸出受到了噪聲的影響。但是在中值濾波中由于噪聲成分難以被選擇上，所以幾乎不會影響到輸出。因此，用同樣的3×3區域進行比較的話，中值濾波的去噪聲能力會更勝一籌。

圖5.5表示了用中值濾波和移動平均法除去噪聲的結果，很清楚地表明了中值濾波無論在消除噪聲上還是在保存邊緣上都是一個非常優秀的方法。但是，中值濾波花費的計算時間是移動平均法的許多倍。