基于中值滤波器的红外图像噪声处理的改进方法
改进的中值滤波算法在图像去噪中的应用
ｂ ｓ ｄ ｆ ｒ ｄ ｇ ｔ ｌｉ ａ ｅ ｅ ｌｔ ｅ ｐ ｏ ｅ ｓｎ ； ｔ ｅ ｗｅｇ ｔ ｄ ａ ａ ｔｖ ｅ ｉｎ ｆｌｅ ｉ ｇ ａ ｇ ～ ｅ ｕ ｅ ｏ ｉ ｉ ｍ ｇ ｓ ｒ ａ— ｉ ｒ ｃ ｓ ｉ ｇ ｈ ｉ ｈ ｅ ｄ ｐ ｉ ｅ ｍ ｄ ａ ｉ ｒ ｎ ｌ ｏ ａ ｍ ｔ
第３ ２卷 第 ４期
２１ ０ １年 ７月
应
用 光
学
Ｖ ０．３ Ｉ ２ Ｎｏ． ４
Ｊ ｕ ｎ ｌｏ ｐｉｄ Ｏｐ ｉｓ ｏ ｒ ａ ｆＡｐ ｌ ｔ ｅ ｃ
Ｊ １２ １ ｕ． ０ １
文 章 编 号 ： ０ ２２ ８ （ ０ １ ０ — ６ ８ ０ １０ —０ ２ ２ １ ）４０ ７— ５
ＺＨ ＡＯ ｏ ｃ ｎ ，ＺＨ ＡＮＧ ｉ Ｇａ — ｈａ ｇ Ｌｅ ，Ｗ Ｕ ｎ ｂ Ｆｅ ｇ— ｏ
（ ． ｃ ｏ ｌｏ ｃｅ ｃ ，Ｘｉ ｎ Ｕｎ ｖ ｒ ｉ ｆＳ ｉｎ ｅ ａ ｄ Ｔｅ ｈ ｏ ｏ ｙ １ Ｓ ｈ ｏ ｆＳ ｉｎ ｅ ’ ｉｅ ｓｔ ｏ ｃｅ ｃ ｎ ｃ ｎ ｌ ｇ ，Ｘｉ ｎ ７ ０ ５ ， ｈｉａ； ａ ｙ ’ １ ０ ４ Ｃ ｎ ａ
中图分类号 ： ＴＮ２ ９ ＴＰ ９ ． １ ０ ； ３ １４ 文献标志码 ： Ａ
Ａｐ ｉ ａ ｉ ｎ ｏ ｍ ｐｒ ｖ ｄ ｍ ｅ ｉ ｎ ｆ ｌｅ ｉ ｌ ｏ ｉｈ ｏ ｉ ａ ｅ ｄ — ｏ ｓｎｇ ｐｌｃ ｔｏ ｆ ｉ ｏ ｅ ｄ ａ ｉｔ ｒｎｇ ａ ｇ ｒ ｔ ｍ ｔ ｍ ｇ ｅ ｎ ｉｉ
２ Ｓ ｈ ｏ ｆＩｆ ｒ ｔ ｎ Ｅ ｇｎ ｅｉｇ，Ｘｉ ｎ Ｕｎｖ ｒｉ ｆＳ ｉｎ ｅ＆ Ｔｅ ｈ ｏｏ ｙ， ’ｎ ７ ０ ５ Ｃｈｎ ） ． ｃ ｏ ｌ ｎｏ ｍａｉ ｎ ｉｅ ｒ ｏ ｏ ｎ ’ ｉｅｓｔ ｏ ｃｅ ｃ ａ ｙ ｃ ｎ ｌｇ Ｘｉ １ ０ ４， ｉａ ａ
去除红外图像中脉冲噪声的双边加权中值滤波
去除红外图像中脉冲噪声的双边加权中值滤波
顾冬娟
【期刊名称】《传感技术学报》
【年(卷),期】2024(37)3
【摘要】针对现有方法在去除红外图像的脉冲噪声时,未能有效保持图像的边缘细节和纹理结构,提出了基于统计检测的双边加权中值滤波算法。
算法根据脉冲噪声的取值和分布特征,用最小和最大像素值以及统计规律进行噪声检测;对检测出来的噪声像素,以多尺度的方式、自适应地用双边加权系数对邻域中的无噪像素和已经去噪处理的像素进行频次加权,然后取它们的中值作为当前噪声像素的估计值。
其中双边加权系数自适应于距离邻近度与灰度相似度。
实验结果表明,相对于部分现有方法,所提方法去噪所得的EPI和SSIM值更高,去噪图像的视觉效果更佳。
【总页数】7页(P492-498)
【作者】顾冬娟
【作者单位】江西机电职业技术学院教务处
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种有效去除图像中脉冲噪声的滤波算法
2.一种去除图像中脉冲噪声的滤波算法
3.利用几何结构检测去除图像中的随机值脉冲噪声
4.脉冲噪声污染图像中的自适应中值滤波器
5.一种新的去除红外图像疵点的加权平均算法
因版权原因，仅展示原文概要，查看原文内容请购买。
一种改进型自适应中值滤波图像处理算法
０ 引 言
图像 信号 在 产 生 、 输 和 记 录 过 程 中 ， 常会 传 常 引入各种 噪声 ， 响 图像 的视 觉 效 果 。为 了减 小 噪 影 声 的影响 ， 须 对 图像 进 行 滤 波 。 图像 滤 波 时 ， 必 除 了去 除 图像 中的噪 声 外 ， 必 须尽 量 保 持 图 像 的 真 还 实 细节信 息 。因 为 噪 声 和 图像 细节 信 息 往 往 是 混
以达到抑 制 噪声 又 保 护 细节 的 良好效 果 ， 且 有 更 而 好 的噪声 适应 能力 。
ＰＲ ｓ 值。 Ｎ
表 １ 不 同噪声 密度 下的 ３种不 同 中值滤 波算 法 的 Ｐ Ｎ 比较 ＳＲ
滤方 波法
普通中值滤波（ ３ ３ ） Ｘ
— — — — —墅 里— — — 一 — — — — 垦 — — —
灰 度的最小值 、 大值和 中值 ， … 为预 设 的允 许最 最 Ａ
自适应 中值 滤波算 法 的实现 步骤 如下 Ｊ ：
中值滤 波 、 口加权 中值 滤波 、 窗 自适应 中值 滤波等 Ｊ 。
Ｉ若 ｆｉ ） ｍ ＜ｆ ＜ ｍ
， 转 至第 ２步 ， 则 否则 增
１ 自适 应 中值 滤 波 算 法
中值 滤波 的实 现 原 理是 ： 一个 长度 为 奇 数 的 用
滑动 窗 口在 图像 中漫 游 ， 窗 口中心 与 图像 某个 像 将 素 的位置 重合 ； 窗 口下 各 对 应像 素 的灰 度 值从 小 把
大 窗 口Ａ（， ｉ ）的尺寸 ， Ａ ｉ ）的尺 寸小 于 Ａ ， 若 （， 则 重复 第 １步 ， 否则 输 出． 厂 ，）； （ ２ 若 ｆｉ ｉ ） ＜ｆ… 则 输 出 Ｉ ）， ） ｍ ＜ ， ｍ 厂 √ 否则 （
一种改进的自适应中值滤波算法
一种改进的自适应中值滤波算法
自适应中值滤波(Adaptive Median Filter,AMF)，是一种优秀的图像处理技术，
它能有效地消除图像噪声，保留有效的图像信息。
但是，它受到传统中值滤波的一些局限性所影响，如对于椒盐噪声和斑点噪声无能为力，因此常常会遭受到“腐蚀”、“延拓”和“扭曲”以及“过滤”等影响，从而引发计算精度的下降。
为了改进自适应中值滤波的效果，提高处理图像噪声的能力，前人提出了许多改进的自适应中值滤波的方法，如通过不同的参数控制机制来优化算法。
其中最常用的参数有：
1. 对中值值的更新：增大更新深度，减小中值的变差程度。
2. 变量的优化：通过引入变量和权重来更新中值。
3. 显性设计参数：采用自适应算法来调节参数，以获得更好的去噪效果。
4. 噪声抑制率：建立低噪声估计模型，来抑制噪声。
5. 尝试其他结构：通过不同的结构组合来优化去噪方案，实现判决机制。
自适应中值滤波的改进使能够有效地处理椒盐噪声，斑点噪声以及其他按照特定概率分布出现的白噪声中等。
此外，它还可以有效地抑制图像中的阴影部分，从而更好地检测图像细节。
这可以使人们在去噪过程中克服常见数字图像增强技术所遇到的像素突变、图像粗化和细节丢失等问题。
一种基于改进非局部均值滤波算法的红外图像去噪
一种基于改进非局部均值滤波算法的红外图像去噪郭晨龙1,2，赵旭阳3，郑海燕4，梁锡宁1,2（1. 光电控制技术重点实验室，河南洛阳 471000；2. 航空工业洛阳电光设备研究所，河南洛阳 471000；3. 吉林大学，吉林长春 130022；4. 上海大学，上海 200444）摘要：提出了一种基于梯度信息的结构相似性算法改进的红外图像非局部均值滤波方法。
传统的非局部均值滤波算法采用欧氏距离度量图像块之间的相似性，因而不能够很好地衡量图像细节和边缘信息，导致滤波后图像模糊失真。
针对此问题，采用结构相似性度量（structural similarity，SSIM）算法对欧氏距离进行加权改进，针对普通的SSIM边缘信息评价能力的不足，提出了带有梯度信息的GSSIM 算法，实验结果表明本方法在保持非局部均值（Non-Local Means，NLM）滤波算法去噪能力的同时还能够较好地保持图像的边缘和细节信息。
关键词：非局部均值滤波；图像梯度；结构相似性度量；红外图像中图分类号：TP391 文献标识码：A 文章编号：1001-8891(2018)07-0638-04Infrared Image Denoising Method Based on Improved Non-local Means FilterGUO Chenlong1,2，ZHAO Xuyang3，ZHENG Haiyan4，LIANG Xining1,2(1. Science and Technology on Electro-optic Control Laboratory, Luoyang 471000, China;2. Luoyang Institute of Electro-optical Equipment, AVIC, Luoyang 471000, China;3. Jilin University, Changchun 130022, China;4. Shanghai university, Shanghai 200444, China)Abstract：In this paper, an improved infrared image non-local means (NLM) filtering method is proposed based on gradient information. The traditional nonlocal average filtering algorithm uses Euclidean distance to measure the similarity between image blocks. Therefore, it cannot measure the image detail and edge information accurately and causes blurring distortion after filtering. The structural similarity (SSIM) algorithm utilizes the weighted Euclidean distance. To have a better edge information evaluation ability, the GSSIM algorithm is used here with gradient information. The experimental results show that while maintaining the NLM filter denoising ability, this method is better able to preserve the image edge and detail information.Key words：non-local mean filtering，image gradient，structural similarity measures，infrared image0引言红外探测技术已经普遍被用于机载红外搜索系统等各种军用领域[1]。
改进型中值滤波器在图像去噪中的应用_张明源
文章编号：1006-1576（2007）08-0045-03改进型中值滤波器在图像去噪中的应用张明源，王宏力，郑佳华，武胜军（第二炮兵工程学院 304教研室，陕西西安，710025）摘要：中值滤波的改进算法，首先求得噪声图像滤波窗口中去除最大和最小像素灰度值后的中值，然后计算出该中值与对应像素灰度值的差，再与阀值相比较以确定是否用求得的值代替该像素的灰度值。
仿真实验表明，与传统的中值滤波算法相比，该算法具有更好的滤波性能。
关键词：中值滤波；噪声图像；滤波窗口；像素灰度值中图分类号：TN911.73 文献标识码：AApplication of Image Noise Removing Based on Improved Median Filtering ZHANG Ming-yuan, WANG Hong-li, ZHENG Jia-hua, WU Sheng-Jun(No. 304 Staff Room, The Second Artillery Engineering College, Xi’an 710025 China) Abstracts: An improved median filtering algorithm acquires the median after the noise image filtering window filtering the most and least pixel grey degree value at first. Then, the minus between the median and corresponding pixel grey degree value is calculated. After compared with the threshold, it can be decided whether the median substitute the grey pixel or not. The simulation experiment of the image processing indicates that the improved median filtering algorithm can remove image noise more effectively than the conventional one.Keywords: Median filtering; Noise image; Filter window; Grey pixel0 引言实时图常被高斯噪声、椒盐噪声等污染。
改进的中值滤波去噪算法应用分析
改进的中值滤波去噪算法应用分析
刘国宏;郭文明
【期刊名称】《计算机工程与应用》
【年(卷),期】2010(046)010
【摘要】去噪处理是图像处理中较为重要的环节.中值滤波是抑制图像的噪声的一个行之有效的办法,选择适当大小的中值滤波窗口可以在最大限度地保持图像精度的基础上去除图像噪声.在对中值滤波去噪算法的适用性特点进行研究的基础上.进一步做了中值滤波去噪的改进算法的应用实现研究,同时对其他去噪算法,如均值滤波、低通滤波的小波变换进行实验分析研究,并对实验结果做了相应的比较.
【总页数】3页(P187-189)
【作者】刘国宏;郭文明
【作者单位】北京邮电大学,软件学院,北京,100876;北京邮电大学,软件学院,北京,100876
【正文语种】中文
【中图分类】TP802+.6
【相关文献】
1.一种中值滤波图像去噪的改进算法 [J],
2.基于小波变换和改进中值滤波的医学图像耦合去噪算法 [J], 陈炳权;崔金鸽;徐庆;舒婷;刘宏立;;;
3.一种改进的基于边缘检测的中值滤波图像去噪算法 [J], 袁立;周伟
4.一种中值滤波和改进阈值函数的图像去噪算法 [J], 邹倩;陆安江;李春红
5.一种中值滤波和改进阈值函数的图像去噪算法 [J], 邹倩;陆安江;李春红
因版权原因，仅展示原文概要，查看原文内容请购买。
一种改进的中值滤波方法
一种改进的中值滤波方法
中值滤波是一种常用的平滑图像的方法，它能够有效地去除图像中的噪声。
然而，传统的中值滤波方法在去除噪声的同时，也会模糊图像的边缘和细节。
为了改进传统的中值滤波方法，可以考虑使用自适应中值滤波。
自适应中值滤波方法根据像素周围的邻域对其进行滤波，以保留图像的边缘和纹理细节。
具体步骤如下：
1. 对于每个像素，定义一个方形邻域，大小为3x3或更大，这取决于噪声的强度。
2. 将邻域内的像素按照灰度值进行排序，得到一个有序序列。
3. 判断中值是否位于排序序列的低端和高端，如果是，则将邻域扩大一倍，并重新排序。
4. 如果中值位于排序序列的中间位置，则判断中间像素是否与邻域内的像素具有明显的差异（灰度值的差异超过一个阈值），如果是，则将中值作为滤波结果；否则，将邻域扩大一倍，并重新排序。
5. 重复第4步，直到找到一个中值与邻域内的像素具有明显差异或者邻域大小
达到了预先设定的最大值。
这种改进的中值滤波方法可以在保留图像细节的同时，有效地去除噪声。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
刘智嘉１，夏寅辉１，杨德振１，林 昱２，徐长彬１
（１华北光电技术研究所，北京 １０００１５；２北京波谱华光科技有限公司，北京 １０００１５）
摘 要：基于红外图像成像的机理和热像仪工作方式，红外图像往往混有大量随机噪声，而这 些都是造成红外图像和视频质量下降的重要原因。中值滤波是一种常用的非线性的滤波方 式，对于图像降噪有很好的效果。中值滤波器的处理窗口大小需要提前设定且在处理过程中 不能改变。噪声密度越大需要处理窗口越大，但也导致图像的细节相应越模糊。综合窗口大 小对降噪能力和细节处理能力的影响，文中对传统的中值滤波器算法进行改进。实验表明，在 中值滤波器去除噪声的过程中，随着窗口图像噪声分布情况动态调整窗口大小，能够做到既尽 可能去除噪声，又尽可能保持图片的细节，使图像处理整体效果得到提升。 关键词：自适应；中值滤波；噪声；红外图像 中图分类号：ＴＰ３９１４１ 文献标识码：Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１５０７８．２０１９．０３．０１８
１ 引 言 随着红外技术的发展，红外热成像技术应用越
来越广泛。起初，红外热成像主要应用于军事领域， 后来根据热成像的特点和用途，越来越多的民用领 域对该技术 的 需 求 也 持 续 不 断 加 大，如 在 监 控、防
火、安防以及辅助驾驶等不同领域，热成像都发挥着 越来越重要的作用。伴随着应用范围的不断扩大， 应用环境日益复杂，对成像效果要求越来越高，需要 改进的方面也不断增多，比如应该如何更好处理红 外图像的噪声问题。因为红外传感器的成像特点，
Ａｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｈｅｍｅｃｈａｎｉｓｍｏｆｉｎｆｒａｒｅｄｉｍａｇｅｉｍａｇｉｎｇａｎｄｔｈｅｗｏｒｋｉｎｇｍｏｄｅｏｆｔｈｅｒｍａｌｉｍａｇｅｒ，ｉｎｆｒａｒｅｄｉｍａｇｅ ｉｓｏｆｔｅｎｍｉｘｅｄｗｉｔｈａｌｏｔｏｆｒａｎｄｏｍ ｎｏｉｓｅ，ｗｈｉｃｈｉｓａｎｉｍｐｏｒｔａｎｔｒｅａｓｏｎｆｏｒｄｅｔｅｒｉｏｒａｔｉｏｎｏｆｉｎｆｒａｒｅｄｉｍａｇｅｓａｎｄｖｉｄｅ ｏｓＭｅｄｉａｎｆｉｌｔｅｒｉｓａｃｏｍｍｏｎｎｏｎｌｉｎｅａｒｆｉｌｔｅｒｉｎｇｍｅｔｈｏｄ，ｉｔｈａｓａｇｏｏｄｅｆｆｅｃｔｏｎｉｍａｇｅｄｅｎｏｉｓｉｎｇＴｈｅｓｉｚｅｏｆｔｈｅｐｒｏ ｃｅｓｓｉｎｇｗｉｎｄｏｗｏｆｔｈｅｍｅｄｉａｎｆｉｌｔｅｒｎｅｅｄｓｔｏｂｅｓｅｔｉｎａｄｖａｎｃｅａｎｄｃａｎｎｏｔｂｅｃｈａｎｇｅｄｄｕｒｉｎｇｔｈｅｐｒｏｃｅｓｓｉｎｇ，ｔｈｅｌａｒｇｅｒ ｔｈｅｐｒｏｃｅｓｓｉｎｇｗｉｎｄｏｗｏｆｔｈｅｍｅｄｉａｎｆｉｌｔｅｒｉｓ，ｔｈｅｓｔｒｏｎｇｅｒｔｈｅａｂｉｌｉｔｙｔｏｒｅｍｏｖｅｎｏｉｓｅ，ｂｕｔｔｈｅｍｏｒｅｓｅｒｉｏｕｓｔｈｅｌｏｓｓｏｆ ｉｍａｇｅｄｅｔａｉｌｓＣｏｎｓｉｄｅｒｉｎｇｔｈｅｉｎｆｌｕｅｎｃｅｏｆｗｉｎｄｏｗｓｉｚｅｏｎｎｏｉｓｅｒｅｄｕｃｔｉｏｎａｂｉｌｉｔｙａｎｄｄｅｔａｉｌｓｐｒｏｃｅｓｓｉｎｇｃａｐａｃｉｔｙ，ｔｈｅ ａｌｇｏｒｉｔｈｍｏｆｍｅｄｉａｎｆｉｌｔｅｒｉｓｉｍｐｒｏｖｅｄＥｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｉｎｔｈｅｐｒｏｃｅｓｓｏｆｒｅｍｏｖｉｎｇｎｏｉｓｅｗｉｔｈｍｅｄｉａｎｆｉｌｔｅｒ，ｔｈｅ ｗｉｎｄｏｗｓｉｚｅｃａｎｂｅｄｙｎａｍｉｃａｌｌｙａｄｊｕｓｔｅｄａｌｏｎｇｗｉｔｈｔｈｅｎｏｉｓｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｗｉｎｄｏｗｉｍａｇｅ，ｓｏａｓｔｏｒｅｍｏｖｅｎｏｉｓｅａｎｄ ｋｅｅｐｔｈｅｄｅｔａｉｌｓｏｆｔｈｅｉｍａｇｅａｓｆａｒａｓｐｏｓｓｉｂｌｅａｎｄｔｏｉｍｐｒｏｖｅｔｈｅｏｖｅｒａｌｌｅｆｆｅｃｔｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ Ｋｅｙｗｏｒｄｓ：ａｄａｐｔｉｖｅ；ｍｅｄｉａｎｆｉｌｔｅｒ；ｎｏｉｓｅ；ｉｎｆｒａｒｅｄｉｍａｇｅ
作者简介：刘智嘉（１９８３－），男，硕士研究生，研究方向为图像融合，图像增强等。Ｅｍａｉｌ：Ｌｉｕｚｈｉｊｉａ＠ｇｍａｉｌ．ｃｏｍ 收稿日期：２０１８０７２６；修订日期：２０１８０８２１
激 光 与 红 外 Ｎｏ．３ ２０１９ 刘智嘉等 基于中值滤波器的红外图像噪声处理的改进方法
第 ４９卷 第 ３期 激 光 与 红 外 ２０１９年 ３月 ＬＡＳＥＲ ＆ ＩＮＦＲＡＲＥＤ
Ｖｏｌ．４９，Ｎｏ．３ Ｍａｒｃｈ，２０１９
文章编号：１００１５０７８（２０１９）０３０３７６０５
·图像与信号处理·
基于中值滤波器的红外图像噪声处理的改进方法
Ａｎｉｍｐｒｏｖｅｄｍｅｔｈｏｄｆｏｒｉｎｆｒａｒｅｄｉｍａｇｅｎｏｉｓｅｐｒｏｃｅｓｓｉｎｇ ｂａｓｅｄｏｎｍｅｄｉａቤተ መጻሕፍቲ ባይዱｆｉｌｔｅｒ
ＬＩＵＺｈｉｊｉａ１，ＸＩＡＹｉｎｈｕｉ１，ＹＡＮＧＤｅｚｈｅｎ１，ＬＩＮＹｕ２，ＸＵＣｈａｎｇｂｉｎ１
（１ＮｏｒｔｈＣｈｉｎａＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｏＯｐｔｉｃｓ，Ｂｅｉｊｉｎｇ１０００１５，Ｃｈｉｎａ； ２ＢｅｉｊｉｎｇＢＯＰＯｐｔｏＥｌｅｃｔｒｏｎｉｃｓＴｅｃｈｎｏｌｏｇｙＣｏ．，Ｌｔｄ．，Ｂｅｉｊｉｎｇ１０００１５，Ｃｈｉｎａ）
中值滤波器是一种常用的非线性滤波器。基本 原理是选择待处理像素的一个邻域中的各像素值的 中值来代替处理的像素［３］，其主要的功能是像素的 灰度值与周围像素比较接近，从而消除孤立的噪声 点，所以中值滤波器能够很好地消除椒盐噪声和高 斯噪声等脉冲噪声。不仅如此，中值滤波器在消除 噪声的同时，还能有效地保护图像的边界信息，不会 对图像造成很大的模糊（相比于均值滤波器）。
３７７
红外图像不 同 于 可 见 光 图 像，均 匀 性 较 差，噪 声 偏 多［１］。因为红外探测本身属于微弱信号检测，弱信 号检测的难度之一正是降噪问题。热成像降噪是一 个将长期存在的问题，图像信息在编码及传播中不 可避免的会产生噪声。噪声的干扰会使图像失去本 来含有的信息，对通信双方造成不便。高斯噪声和 椒盐噪声 是 热 成 像 噪 声 中 出 现 较 多 的 噪 声［２］。 去 除高斯噪声和椒盐噪声的一个重要方法是利用中值 滤波。本文基于中值滤波提出了一种改进算法，对 比传统中值滤波方法画面噪声除去效果和细节保留 具有明显优势。 ２ 中值滤波器及其特性