中值滤波的延时性问题

关于中值滤波算法的几点注意事项：

1.根据相关文献报道[1]，滤波窗口宽度设置在采样率的80~90%[2]，是为合理宽度；

2.中值滤波之后的基线数据(滤波过程中，笔者初始化窗口值为0)，应左移半窗口宽度后，与原数据对应相减，所得数据为去基线漂移后的数据；

3.对于原数据，在进行中值滤波前，需要进行尾部延拓半窗口宽度(与中值滤波延时对应)，笔者将延拓部分取值0；

4.对应相减时，取基线数据从半窗口宽度处始，至结尾止，并按此顺序与原数据(延拓前)对应相减。

实验结果对比：

通过对比

origin_data[i] - med_data[i],

origin_data[i] - med_data[i + half_win_width]以及

origin_data[i + half_win_width] - med_data[i]三者图像，

发现中值滤波效果最佳者

为origin_data[i] - med_data[i + half_win_width],

origin_data[i] - med_data[i]次之,

origin_data[i + half_win_width] - med_data[i]最差。

此对比从一定程度上证明了上述的中值滤波延时结论。

顺序中值滤波代码：

中值获取：

#ifndef __MEDIAN_H__
#define __MEDIAN_H__

class