图像处理算法 | 中值滤波

前面的高斯滤波和均值滤波都是线性滤波器，在数字图像处理中，凡是算子（kernel）可以显式的写出来的滤波器，都是线性滤波器，比如高斯算子，sobel算子，拉普拉斯算子等。这种滤波器对图像的处理效果从算子上就能一眼看出来，可以这么说，每个线性算子其实就是一个线性系统，这个系统对图像中的每一个pixel都做了相同的运算。

                                            

                                      

                                  

中值滤波是特别基础的一个非线性滤波器，它是对滤波窗口内的像素排序，然后取中间的那个像素作为输出，中值滤波一般在ISP中用于去除椒盐噪声或者是孤立的坏点。

1. 算法原理

中值滤波就没有kernel了，简单的画个图，对于一个3×3的窗口，其中值滤波的结果就是窗口内9个数据排序，取中间的那个作为输出，下图中就是取45作为当前窗口的输出。

图1 中值滤波原理图

2. 图像处理效果与对比

为了测试中值滤波的效果，用matlab对Lena图添加了高斯噪声和椒盐噪声，然后用中值滤波进行降噪测试，对比效果。

虽然matlab中有自带的中值滤波器函数，但是推荐使用ordfilt2函数来实现中值滤波，这是因为在做算法开发的时候，matlab中已经写好的函数不方便修改中间过程，这个时候用更基础的函数或者自己写的代码会更方便。比如ordfilt2函数，它的功能就是对二维数组中n个非零值按照从大到小排序，然后可以指定第几个位置的元素作为输出结果。以5×5窗口为例，13就是中间位置，相关代码已附在后面。

先加入椒盐噪声，椒盐噪声是一种颗粒噪声，像胡椒面一样随机分布，因此得名“椒盐噪声”。测试的效果如下图2所示，左边为输入图像，中间为加入椒盐噪声的图像，右边为5×5中值滤波的结果。判断一个滤波器是否优秀，只要看它是否在去除噪声的同时还能保持住边界，从这个角度出发，中值滤波对椒盐噪声的降噪效果还不错，虽然图像被模糊了，但是椒盐噪声去除的很干净。

图 2   椒盐噪声降噪效果

接下来看一下高斯噪声的降噪效果，显示的图像如下图3所示，左边为输入图像，中间为加入椒盐噪声的图像，右边为5×5中值滤波的结果。可见，中值滤波对高斯噪声的滤波效果就没那么椒盐噪声那么好了，也起到了降噪的效果，但是噪声没滤干净。

图 3   高斯噪声降噪效果

从上图可以看出，中值滤波用在椒盐噪声上的效果比较好，用在高斯噪声上的效果就很一般了。在实际算法开发的过程中，会根据噪声形态选择适合的滤波器，中值滤波一般用于去除颗粒噪声，在去坏点模块中会选择使用它，而高斯噪声一般选用高斯滤波或者双边滤波来降噪。

附录：

clc;
close all;

fileName      = 'lena';
fmat          = '.bmp';

input_raw     = imread([fileName, fmat]);
% [m,n,k]       = size(input_raw);
src           = double(input_raw)/256;
[m,n,k]       = size(src);
% figure,imshow(src),title('src');


%% 椒盐噪声
src_noise  = imnoise(src, 'salt & pepper', 0.05); % 加入椒盐噪声

% 实现中值滤波的时候使用ordfilt2函数，这个函数统计二维数组中n个非零数值按大到小排序
% 后处于第k个位置的元素作为滤波器的输出
med(:,:,1) = ordfilt2(src_noise(:,:,1),13,[1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1]);
med(:,:,2) = ordfilt2(src_noise(:,:,2),13,[1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1]);
med(:,:,3) = ordfilt2(src_noise(:,:,3),13,[1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1]);

figure,imshow([src,src_noise,med]);
% imwrite([src,src_noise,med],'median_salt.jpg');

%% 高斯噪声
src_noise  = imnoise(src, 'gaussian', 0, 0.01); % 加入高斯噪声

% 中值滤波
med(:,:,1) = ordfilt2(src_noise(:,:,1),13,[1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1]);
med(:,:,2) = ordfilt2(src_noise(:,:,2),13,[1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1]);
med(:,:,3) = ordfilt2(src_noise(:,:,3),13,[1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1]);

figure,imshow([src,src_noise,med]);
% imwrite([src,src_noise,med],'median_gaus.jpg');