MATLAB自编自适应中值滤波算法

代码原理：

在噪声密度不是很大的情况下（根据经验，噪声的出现的概率小于0.2），使用中值滤波的效果不错。但是当噪声出现的概率比较高时，原来的中值滤波算法就不是很有效了。只有增大滤波器窗口尺寸，尽管会使图像变得模糊。使用自适应中值滤波器的目的就是，根据预设好的条件，动态地改变中值滤波器的窗口尺寸，以同时兼顾去噪声作用和保护细节的效果。

下面是自适应中值滤波器算法的详细描述：

预先定义好以下符号：

Sxy：滤波器的作用区域，滤波器窗口所覆盖的区域，该区域中心点为图像中第y行第x列个像素点；

Zmin：Sxy中最小的灰度值；

Zmax：Sxy中最大的灰度值；

Zmed：Sxy中所有灰度值的中值；

Zxy：表示图像中第y行第x列个像素点的灰度值；

Smax：Sxy所允许的最大窗口尺寸；

自适应中值滤波器分为以下两个过程，A和B：

A:

1. A1 = Zmed - Zmin

2. A2 = Zmed - Zmax

3. 如果A1>0 且 A2<0，则跳转到B

4. 否则，增大窗口的尺寸

5. 如果增大后的尺寸≤Smax，则重复A

6. 否则，直接输出Zmed

B：

1. B1 = Zxy - Zmin

2. B2 = Zxy - Zmax

3. 如果B1>0 且 B2<0，则输出Zxy

4. 否则输出Zmed

直观解释

在自适应中值滤波算法中，A步骤里面会先判断是否满足Zmin<Zmed<Zmax。这一步骤实质是判断当前区域的中值点是否是噪声点，通常来说是满足Zmin<Zmed<Zmax这个条件的，此时中值点不是噪声点，跳转到B；考虑一些特殊情况，如果Zmed=Zmin或者Zmed=Zmax，则认为是噪声点，应该扩大窗口尺寸，在一个更大的范围内寻找一个合适的非噪声点，随后再跳转到B，否则输出的中值点是噪声点；

接下来考虑跳转到B之后的情况：判断中心点的像素值是否是噪声点，判断条件为Zmin<Zxy<Zmax，原理同上，因为如果Zxy=Zmin或者Zxy=Zmax，则认为是噪声点。如果不是噪声点，我们可以保留当前像素点的灰度值；如果是噪声点，则使用中值替代原始灰度值，滤去噪声。

使用的图像源：

实验结果：

注：有需要源文件及设计文件的朋友可以联系作者，作者创作不易，希望客官们打赏~（作者联系方式见评论区）