使用中值滤波原理过滤异常数据

最近有一个程序需要做一些数据分析，遇见一个求平均值的需求。数据序列由传感器输出类似如下：[10,12,11,25,9,10,9,45,13,12,10,11,78,12,12,13,10,9]。在这个序列中很明显的25，45，78都是要远远大于其他一些数据的，而我们认为3个数据应该是异常数据。如果是求平均值，这三个大数会拉高平均值，会让我们的结果有一定的偏差。如果数据序列很大，个别异常数据不太会影响平均值，但是为了使结果更加准确，我们就需要对这些异常数据进行过滤。

通常我们会使用程序判断滤波的方式来过滤异常数据，比如说先对一个序列求平均值，方差等等，然后对每个数据和平均值或方差的偏差，设置一个阈值，差超过这个阈值就认为是异常数据，然后过滤。当然这个阈值只能是经验值，有时候不一定准确，或当异常数据变成常态的时候，异常数据就不再是异常数据，这时候如果还是使用阈值过滤就会有一些问题。当然程序判断滤波的方式还是适用于一些场景，并且实现比较方便。

在做数据统计，分析以及图像处理中，为了防止噪声对数据结果的影响，除了采用更加科学的采样技术外，我们还要采用一些必要的技术手段对原始数据进行整理、统计。数字滤波技术是最基本的处理方法，它可以剔除数据中的噪声，提高数据的代表性。常用的滤波技术有：程序判断滤波，均值滤波，中值滤波，加权平均，滤波，众数滤波，一阶滞后滤波，移动滤波，复合滤波等。

由于上面例子的需求对平均值这个具体的数字不是要求特别准，只是一个大概的数字，所以我们使用中值滤波的原理来处理。均值滤波或其他方式也可以使用，但就这个例子来说，中值滤波原理的效果会比较好一些。

中值滤波的原理，来自百度，比较容易理解：