自适应中值滤波器的设计与实现
自适应中值滤波器的设计与实现
自适应中值滤波器的设计与实现中值滤波器是一种常用的图像降噪滤波器，可以有效地去除图像中的椒盐噪声。
而自适应中值滤波器则是在传统中值滤波器的基础上进行改进，能够在保持图像细节的同时更好地去除噪声。
本文将介绍自适应中值滤波器的设计原理和实现方法。
一、自适应中值滤波器的设计原理具体来说，自适应中值滤波器的设计原理如下：1.设定滤波窗口的大小和初始值。
2.对于滤波窗口内的像素，按照灰度值进行排序，找到中间值，即中心像素点。
3.计算滤波窗口内的最大灰度值和最小灰度值，并计算其差值。
4.判断中心像素点是否为椒盐噪声，如果是，则将中心像素点的灰度值设置为滤波窗口内的中值，即进行中值滤波。
5.如果中心像素点不是椒盐噪声，则将滤波窗口的大小加1，并重新执行步骤2-4，直到找到合适的滤波窗口大小。
二、自适应中值滤波器的实现方法1.读入待处理的图像，并设定滤波窗口的大小和初始值。
2.对图像的每个像素点都进行以下操作：a.获取滤波窗口内的像素，并按照灰度值进行排序。
b.找到滤波窗口内的中心像素点。
c.计算滤波窗口内的最大灰度值和最小灰度值，并计算其差值。
d.判断中心像素点是否为椒盐噪声，如果是，则将中心像素点的灰度值设置为滤波窗口内的中值，即进行中值滤波。
e.如果中心像素点不是椒盐噪声，则将滤波窗口的大小加1，并重新执行步骤a-d，直到找到合适的滤波窗口大小。
3.输出处理后的图像。
三、自适应中值滤波器的优缺点及应用自适应中值滤波器在图像处理领域有广泛的应用。
它可以应用于数字图像处理、计算机视觉、医学影像等领域，用于去除图像中的椒盐噪声，提高图像质量。
此外，自适应中值滤波器还可以用于图像分割、边缘检测等任务中，以改进算法的鲁棒性和准确性。
总结起来，自适应中值滤波器是一种有效的图像降噪滤波器，在保持图像细节的同时能够较好地去除噪声。
其设计原理是基于中值滤波器的改进，通过对滤波窗口内像素灰度值的分析来决定中心像素点是否进行中值滤波。
基于斜率的自适应中值滤波算法
Ｃ ＯＤＥ Ｊ ／ ｗ ｗ ｊｃ． ｎ ｐ
ｄｉ１ ．７４ Ｓ ．．０ ７ ２ １ ．０ ３ ｏ：０ ３ ２ ／ Ｐ Ｊ１ ８ ．０ ２ Ｏ ７ ６
基 于 斜 率 的 自适 应 中值 滤 波 算 法
刘淑娟 ， 赵 晔 董 ， 蕊。王 志巍 杨 芳芳 ， ，
波方 法相 比 ， 方法加 强 了噪声检测 的条件 。实验 结果表 明， 该 该算法具有较好地 去除椒盐噪 声和保 留细节的效果 。
关键 词 ： 声检 测 ； 噪 椒盐噪 声 ； 斜率差值 ；中值滤 波； 图像去噪
中 图 分 类 号 ： Ｐ ９ ． １Ｔ ３ １ ６ Ｔ ３ １４ ；Ｐ ０ ． 文献标志码 ： Ａ
Ａｄａ ｉ ｅ ｍ ｅ ｉ ｎ ｌｅ ｉ ｇ ａ ｇ ｒ ｔ ｓ ｄ ｏ ｌ ｐｅ ｐｔｖ ｄ ａ ｆ ｔ ｒ ｎ ｌ ｏ ｉｈｍ ｂａ ｅ ｎ ｓｏ ｉ
Ｌ Ｕ Ｓ ｕｊ ａ Ｚ Ｉ ｈ －ｕ ｎ 。 ＨＡＯ ＤＯ Ｙｅ ＮＧ ｕ Ｒ ｉ。ＷＡＮＧ Ｚ ｉｗ ｉ。 ｈ— ｅ ＹＡＮＧ Ｆ ｎ ． ｎ ａ ｇｆ ｇ ａ
ｗａ ｈ ｘｒ ｍｅ ｖ ｌｅ ｏ ｌ ｔ ｅｐ ｘ ｌ ｉ ｈ ｉ ｄ ｗ，ｉ ｗａ ｕ ｐ ｓ ｄ ｔ ｅｐ ｏ ａ ｌ ｏｓ ｏ ｎ ．Ｔ ｅ ｐ ｘ ｌ ｒ ｙｖ ｌ ｅ ｉ ｈ ｓｔｅｅ ｔ ｅ ａｕ ｆ ｌ ｈ ｉｅ ｓ ｎ ｔ ｅ ｗ ｎ ｏ ａ ｔ ｓｓ ｐ ｏ ｅ ｏｂ ｒ ｂ ｂ ｙ ａｎ ｉ ｐ ｉｔ ｈ ｉｅ ａ ａ ｕ ｔ ｅ ｅ ｇ ｎ
ｓ ｕ ｎｃ ｉｆｒ ｎｃ ｔ ｅ ｈｅｔ ｃｉ ｔ ｎ ｅ ｅｑ ｅ ｅ ｄｆｅ ｅ ｅｂｅｗｅ ｎ ｔ ｗｏ ｓ ｒｐ ｓａ ｄ ａ ｔｍｐｌｔ ｅ ｕｅ ｃ ｆｔ ｌｐｅ ｏ ｉ ｅ ｒ ｙ ｖ ｌ ｅ ｗｉｈｉ ｈｅｒ ｇ ｏ ｒ ａｅ ｓ ｑ ｎ ｅ ｏ ｈｅ ｓｏ ｆｔ ｐ ｘ ｌｇ ａ ａ ｕ ｔ ｎ ｔ ｅ ｉ ｎ ｗｅ ｅ ｈｅ
MATLAB课程设计自适应中值滤波
采用快速排序算法，提高滤波速度 引入自适应阈值，提高滤波效果 采用并行计算，提高滤波效率 引入图像分割技术，提高滤波精度
课程设计任务和要 求
提 高 M AT L A B 编 程 能 力 掌握自适应中值滤波算法 提高问题解决能力 培养团队合作精神
掌握MATLAB的基 本语法和编程技巧
理解自适应中值滤 波的原理和实现方 法
添加标题
M AT L A B 实 现 自 适 应 中 值 滤 波 ： 可 以 使 用 M AT L A B 中 的 i m f i l t e r 函 数 来 实 现 自 适 应 中 值 滤 波 ， 该 函数可以方便地实现各种类型的滤波操作。 A B 图 像 处 理 工 具 箱 广 泛 应 用 于 图 像 处 理 、 计 算 机 视 觉 、 模 式 识 别 等 领 域 。
自适应中值滤波算 法介绍
中值滤波是一种非线性滤波技术，通过计算像素邻域的中值来代替像素值，以消除噪 声和模糊图像。
中值滤波可以有效地消除椒盐噪声和随机噪声，但对高斯噪声和脉冲噪声的抑制效果 较差。
中值滤波的缺点是会导致图像细节的丢失，特别是在处理边缘和纹理区域时。
自适应中值滤波是一种改进的中值滤波算法，可以根据图像的局部特性自适应地调整 滤波器的参数，以更好地保留图像的细节和边缘。
添加项标题
函数定义：使用符号"function"进行函数定义，如 "function y = f(x)"
添加项标题
赋值语句：使用符号"="进行赋值，如"x = 1"
添加项标题
条件语句：使用符号"if"、"elseif"、"else"进行条件判断， 如"if x > 0"
自适应中值滤波器
姓名：郝伟杰学号：201120112012 导师：郭蔚数字图像处理（实验二）实验名称：自适应中值滤波器实验目的：验证自适应中值滤波器的祛除噪声效果。
此算法分为两个层次：A层为A1=Zmed —Zmin,，A2=Zmed—Zmax，如果A1>0且A2<0，则转到B层；否则增大窗口尺寸，如果窗口尺寸<=Smax则重复A层，否则输出Zmed。
B层为B1=Zxy—Zmin，B2=Zxy—Zmax，如果B1>0且B2<0，则输出Zxy，否则输出Zmed。
实验结果：自适应中值滤波器7*7自适应中值滤波器9*9自适应中值滤波器11*11结果分析：自适应中值滤波器能够很好的处理图像的细节和边缘，使图像更加细腻，清晰，给人以良好的视觉冲击，但是我做的程序运行起来比较慢，大约三十多秒，所以有待很好的优化，而且模板我限制到了11*11的之后才达到了课本上的效果，究其原因，我认为是图像的差异造成了结果上的差异。
实验程序：function ZSY1zhongzhi(a,n1) %自适应中值滤波器（此算法感觉较为合理！！！！！！！！！！）%椒盐噪声subplot(2,2,1),imshow(a,[]),title('原图像')a=double(a);[m,n]=size(a);n2=n1-1;n3=(n1-1)/2;b=zeros(m+n2,n+n2);for i=1:mfor j=1:nb(i+n3,j+n3)=a(i,j);endendsubplot(2,2,2),imshow(b,[]),title('扩充后的图像')for i=n3+1:m+n3for j=n3+1:n+n3for m1=3:2:n1m2=(m1-1)/2;c=b(i-m2:i+m2,j-m2:j+m2);%使用7*7的滤波器 Zmed=median(median(c));Zmin=min(min(c));Zmax=max(max(c));A1=Zmed-Zmin;A2=Zmed-Zmax;if(A1>0&&A2<0)B1=b(i,j)-Zmin;B2=b(i,j)-Zmax;if(B1>0&&B2<0)b(i,j)=b(i,j);elseb(i,j)=Zmed;end%elsecontinue;endendendendsubplot(2,2,3),imshow(b,[]),title('中值后的图像') d=ones(m,n);for i=1:mfor j=1:nd(i,j)=b(i+m2,j+m2);endendsubplot(2,2,4),imshow(d,[]),title('处理好的图像')。
自适应中值滤波在数字图像处理中的应用
第29卷 第4期河北理工大学学报(自然科学版)Vol129 No14 2007年11月J ourna l of Hebe i Polytechn ic Un i ver sity(Na tur a l Science Edition)Nov.2007文章编号:1674-0262(2007)04-0111-03自适应中值滤波在数字图像处理中的应用刘伟1,孙丽媛2,王汝梅3(11河北理工大学计算机与自动控制学院,河北唐山063009;21机械工程学院;31冶金与能源学院)关键词:脉冲噪声;自适应中值滤波;掩模摘 要:针对一般中值滤波在滤除脉冲噪声中的不足,提出了自适应中值滤波的方法,论述了其基本原理和具体实现方法,实验证明,此方法对脉冲噪声有很好的滤除效果。
中图分类号:TP391141 文献标识码:A 在数字图像受到噪声污染后,需要对其进行滤波。
针对不同的噪声有不同的滤波方法。
中值滤波对滤除脉冲噪声有很好的效果,但也会损失图像的部分细节,而自适应中值滤波能够在保持图像细节的基础上滤除脉冲噪声。
1 脉冲噪声脉冲噪声也称双极脉冲噪声,它的概率密度函数可由下式给出:P(z)=Pa z=aPb z=b0 其它(1) 如果b>a,灰度值b在图像中将显示为一个亮点,相反,a的值将显示为一个暗点。
若Pa 或Pb为零,则脉冲噪声称为单极脉冲。
脉冲噪声可以是正的,也可以是负的。
标定通常是图像数字化过程的一部分。
因为脉冲干扰通常与图像信号的强度相比较大,因此,在一幅图像中,脉冲噪声总是数字化为最大值(纯黑或纯白)。
这样,通常假设a,b是饱和值,从某种意义上看,在数字化图像中,它们等于所允许的最大值和最小值。
由于这一结果,负脉冲以一个黑点出现在图像中。
由于相同的原因,正脉冲以白点出现在图像中。
对于一个8位图像,这意味着a=0(黑),b=255(白)。
图1为原始图像,图2为受25%双极性脉冲噪声污染的图像。
收稿日期622:20009142 中值滤波中值滤波是一种非线性的空间滤波器,它是将象素邻域内灰度的中值代替该象素的值。
matlab自适应中值滤波
matlab自适应中值滤波
自适应中值滤波是一种信号处理技术，用于去除图像中的噪声。
在图像处理中，噪声是由于各种原因引起的图像中的不希望的变动或干扰。
中值滤波是一种常用的滤波方法，它通过计算像素周围邻域的中值来替代当前像素的值，从而消除图像中的噪声。
自适应中值滤波是中值滤波的一种改进方法，它根据像素邻域中的像素灰度值的统计特征来动态地调整滤波器的尺寸，以适应不同的图像区域和噪声水平。
自适应中值滤波的步骤如下：
1. 首先，选择一个初始的滤波器尺寸，通常为3×3的窗口。
这个窗口将用于计算每个像素的中值。
2. 对于每个像素，确定滤波器尺寸内的邻域像素，并将其按照灰度值的大小进行排序。
3. 计算邻域像素的最小灰度值min和最大灰度值max。
4. 计算邻域像素的中值med。
5. 判断当前像素的灰度值是否在[min, max]之间。
如果是，则将当前像素的灰
度值替换为med；如果不是，则将滤波器尺寸扩大一个像素并重复步骤2-4，直到找到满足条件的中值。
6. 重复步骤2-5，直到对图像中的所有像素进行处理。
通过这种方法，自适应中值滤波能够根据图像中的局部灰度变化来调整滤波器的尺寸，从而更有效地去除噪声。
这种方法对于不同大小的噪声和图像细节具有较好的适应性，能够保持图像的细节信息并减少噪声的影响。
然而，自适应中值滤波可能会导致图像的平滑化和细节丢失，因此在选择滤波器尺寸时需要权衡去噪效果和图像细节的保留。
自适应中值滤波算法滤除医学图像脉冲噪声_宁春玉
2 自适应中值滤波算法 2.1 脉冲噪声特点
脉冲噪声是由于传感器、 解码器处理等所产生 的脉冲在图像中产生的一些灰度值很小 （接近黑色） 或灰度值很大 （接近白色） 的随机噪声。脉冲噪声的 灰度是该点正常灰度与噪声灰度的叠加， 其在灰度 特征上与周围相邻像素点有较明显的区别， 一般是 其邻域中的灰度极值点 （正的或负的极值） 。 图像中脉冲噪声的概率密度函数 （PDF） 可由下 式描述： ì pa, z = a ï P ( z) = í p b , z = b ï î0, otherwise 如果 b > a ， 灰度值 b 在图像中将显示为一个亮
f ( x y) = median{g(s t)}
(s t) Î s xy ^ ^
虽然传统中值滤波在抑制噪声的同时能较好地 保护图像的边缘细节， 但该滤波窗口 s xy 一旦选定， 即对所有像素均采用同一模板进行处理， 而不考虑 窗口范围内噪声点的多少。 本文从虚拟内窥镜系统运算时间考虑， 并参考 文献[12]， 采用滤波窗口自适应的方法来滤除医学图 像数据中含有的脉冲噪声。该滤波器的滤波方式和 传统的中值滤波器一样， 都是利用 m ´ n 矩形区域窗 口 s xy 定义的区域内图像的统计特性。不同的是在 滤波过程中， 自适应滤波器会根据一定的设定条件， 充分考虑图像中不同区域受脉冲噪声污染的程度不 同而自适应地改变滤波窗口的大小。 设 g xy 为像素点 ( x y) 的灰度值，g min 为滤波窗
宁春玉， 赵春华： 自适应中值滤波算法滤除医学图像脉冲噪声
2012了非脉冲噪声， 从而减少不必要的边界细 化或粗化等损失。
自适应中值滤波器的实现与在图像降噪中的应用doc
自适应中值滤波器的实现与在图像降噪中的应用滤波器被广泛地用于图象的预处理,抑制图象噪声,增强对比度,以及强化图象的边沿特征.运用较为广泛的线性滤波器如平均值滤波器,能较好地抑制图象中的加性噪声. 但是,线性滤波器会引起图象的钝化或模糊,使得图象中物体边界产生位移. 特别是,在图象受到乘性噪声或脉冲噪声的干扰,如超声波及雷达成像中普遍存在的斑点噪声,线性滤波器就不能取得预期的效果.中值滤波器，就像其名字一样，是用该像素的相邻像素的灰度中值来代替该像素的值，是一种非线性滤波器。
例如滤波窗口由3×3 个象素组成,则其中5个象素的灰度值会小于等于该滤波器的输出灰度值,同时5 个象素的灰度值会大于等于滤波器的输出. 由此可见,对于离散的脉冲噪声,当其出现的次数小于窗口尺寸的一半时,将被抑制掉同时也能较好地保证图象的边沿特征,而且易于实现. 因此它被广泛地应用于图象处理,尤其是医学图象处理,如超声波图象.但由于其使用的滤窗大小是固定不变的,当窗中噪声像素数超过有用像素之半时（噪声密度较大时）,中值滤波滤波作用大大降低。
多次试验验证:在脉冲噪声强度大于0.2时,中值滤波效果就显得不是令人满意。
而本文介绍的自适应中值滤波器会根据一定的设定条件改变滤窗的大小,即当噪声面积较大时,通过增加滤窗的大小将噪声予以去除,同时当判断滤窗中心的像素不是噪声时,不改变其当前像素值,即不用中值代替。
这样,自适应中值滤波器可以处理噪声概率更大的脉冲噪声,同时在平滑非脉冲噪声图像时能够更好地保持图像细节,这是传统中值滤波器做不到的。
文中首先介绍了自适应中值滤波器的原理，随后分析了实现的关键技术，并给出了程序代码，最后与传统中值滤波进行了试验比较,试验结果验证了自适应中值滤波器的有效性和实用性。
2．自适应中值滤波器的原理介绍及实现技术2.1 算法原理介绍自适应中值滤波器的滤波方式和传统的中值滤波器一样,都使用一个矩形区域的窗口Sxy ,不同的是在滤波过程中,自适应滤波器会根据一定的设定条件改变,即增加滤窗的大小,同时当判断滤窗中心的像素是噪声时,该值用中值代替,否则不改变其当前像素值,这样用滤波器的输出来替代像素(x,y) 处(即目前滤窗中心的坐标的值。
- 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)。
北京邮电大学世纪学院毕业设计(论文)题目自适应中值滤波器的设计与实现学号 ********学生姓名王立阳专业名称通信工程所在系（院）通信与信息工程系指导教师鞠磊2012年 6 月 1 日北京邮电大学世纪学院毕业设计（论文）任务书备注1、由指导教师撰写，可根据长度加页，一式三份，教务处、系（院）各留存一份，发给学生一份，任务完成后附在论文内；2、凡审核不通过的任务书，请重新申报。
北京邮电大学世纪学院毕业设计（论文）诚信声明本人声明所呈交的毕业设计（论文），题目《自适应中值滤波器的设计与实现》是本人在指导教师的指导下，独立进行研究工作所取得的成果，除了文中特别加以标注和致谢中所罗列的内容以外，毕业设计（论文）中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。
申请学位论文与资料若有不实之处，本人承担一切相关责任。
本人签名：日期：毕业设计（论文）使用权的说明本人完全了解北京邮电大学世纪学院有关保管、使用论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存论文；③学校可允许论文被查阅或借阅；④学校可以学术交流为目的，复制赠送和交换学位论文；⑤学校可以公布学位论文的全部或部分内容。
本人签名：日期：指导教师签名：日期：题目自适应中值滤波器的设计与实现摘要图像是一种重要的信息源，通过图像处理可以帮助人们了解信息的内涵。
然而在图像使用传输过程中，不可避免会受到噪声的干扰。
中值滤波器是能够有效滤除脉冲噪声的非线性滤波器，但标准中值滤波去脉冲噪声的性能受滤波窗口尺寸的影响较大, 在抑制图像噪声和保护细节两方面存在矛盾。
本文在研究中值滤波器的基础上，给出了一种能够根据噪声位置进行中值滤波器的自适应中值滤波方法，该方法可以有效地克服中值滤波器造成图像边缘模糊的缺点。
最后通过matlab对所提出方法进行了仿真测试，结果验证了所提方法的有效性。
关键词图像处理中值滤波自适应 MATLABTitle Adaptive median filter of design and implementationAbstractThe image is a kind of important information source. And the image-processing can help people understand the connotation of the information. However, in the process of image transmission, the image is inevitably affected by the noise. Median Filter is the nonlinear impulse noise filter that is able to effectively filter out noise. But the performance of standard Median Filter largely affected by the size filtering window. So there are contradictions between the image noise suppression and image detail protection .And this paper, based on the study of the basis of the Median Filter, presented a noise-positioning and self-adaptive median filtering method which can effectively overcome shortcomings of fuzzy edges in the images. At last the simulation test, based on a method from MATLAB , demonstrates the validity of the method.Keywords Image Median Fltering Adaptive MATLAB目录1．前言 (1)1.1自适应滤波器 (1)1.2自适应滤波器研究现状 (1)1.3论文安排 (2)2. 数字图像处理简介 (3)2.1数字图像处理技术的优点 (3)2.2制约数字图像处理技术发展的因素如下 (4)2.3数字图像处理的主要功能 (4)2.4图像处理方法 (4)2.5图像的类型 (5)2.6图像的常见格式 (6)2.6.1图像的常见格式和类型 (6)2.7应用领域 (8)2.8.现代研究方向 (10)3. 图像滤波技术 (11)3.1中值滤波 (12)3.2图像降噪 (13)3.2.1图象降噪的方法简介 (13)4. 自适应中值滤波方法 (15)4.1常规的中值滤波器 (15)4.1.1一维中值滤波的原理 (15)4.1.2二维中值滤波的原理 (17)4.1.3中值滤波的主要特性 (18)4.2自适应中值滤波器 (19)4.2.1自适应中值滤波器算法 (20)4.2.2噪声检测 (20)4.2.3噪声滤波 (22)5. 自适应滤波算法的结果分析 (25)6. 结论 (27)致谢 (28)参考文献 (29)附录 (30)北京邮电大学世纪学院毕业设计（论文）1．前言1.1自适应滤波器滤波技术广泛地用于图象的预处理, 抑制图象噪声, 增强对比度, 以及强化图象的边沿特征. 运用较为广泛的线性滤波器如平均值滤波器, 能较好地抑制图象中的加性噪声. 但是, 线性滤波器会引起图象的钝化或模糊, 使得图象中物体边界产生位移. 特别是, 在图象受到乘性噪声或脉冲噪声的干扰, 如超声波及雷达成像中普遍存在的斑点噪声, 线性滤波器就不能取得预期的效果. 如何设计合适的滤波器来去除脉冲噪声并且保持图象的局部细节, 是一个重要且实用的课题. 中值滤波是由Tukey 首先用于一维信号处理, 后来被用到二维图象的平滑中.该滤波器对脉冲干扰及椒盐噪声的抑制效果好, 同时能够保持图象的边沿特征. 中值滤波器是对一个滑动窗口内的象素灰度值排序, 用其中间值代替窗口中心象素的灰度, 它是一种非线性滤波器. 例如滤波窗口由3×3个象素组成, 则其中5 个象素的灰度值会小于等于该滤波器的输出灰度值, 同时5 个象素的灰度值会大于等于滤波器的输出. 由此可见, 对于离散的脉冲信号, 当其出现的次数小于窗口尺寸的一半时, 将被抑制掉. 中值滤波法也能较好地保证图象的边沿特征, 而且易于实现. 因此它被广泛地应用于图象处理。
1.2自适应滤波器研究现状图像在形成、传输过程中, 常因外界噪声干扰而导致其质量退化, 为减小噪声的影响, 可采取各种滤波方法对图像进行去噪处理,中值滤波由于可对长拖尾概率分布的噪声起到良好的平滑效果且可对图像中的某些细节起到保护作用, 因而在图像降噪处理中得到了比较广泛的应用,但标准中值滤波去脉冲噪声的性能受滤波窗口尺寸的影响较大, 在抑制图像噪声和保护细节两方存在一定的矛盾[1][2]:窗口滤波小, 可较好地保护图像中某些细节, 但滤除噪声的能力会受到限制; 滤波窗口大,可加强噪声抑制能力, 但对细节的保护能力会减弱, 有时会滤去图像中的一些细线、尖锐边角等重要细节, 从而破坏图像的几何结构这种矛盾在图像中噪声干扰较大时表现得尤为明显。
自适应中值滤波器的滤波方式和常规的中值滤波器一样，都使用一个矩形区域的窗口S，不同的是在滤波过程中，自适应滤波器会根据一定的设定条件改变(即增xy加)滤波窗的大小，同时当判断滤波窗中心的像素是噪声时，该值用中值代替，否则不改变其当前像素值，这样用滤波器的输出来替代像素(x,y)处(即目前滤波窗中心的坐标)的值。
自适应中值滤波器可以处理噪声概率更大的脉冲噪声，同时能够更好地保持图像细节，这是常规中值滤波器做不到的。
自适应中值滤波总体上可以分为三步:(1)对图像各区域进行噪声检测;(2)根据各区域受噪声污染的状况确定滤波窗口的尺寸;(3)对检测出的噪声点进行滤波。
1.3 论文安排本文首先介绍数字图像处理的基本理论，然后具体研究了中值滤波器的理论。
最后提出了自适应中值滤波方法, 并通过matlab对所提出方法进行了验证。
第一章对自适应中值滤波器进行了简介；第二章介绍了图像处理的基本概念；第三章重点研究了图像滤波技术；第四章在前期研究基础上提出了一种自适应中值滤波方法及其仿真实现。
2. 数字图像处理简介图像是自然界景物的客观反映，是人类认识世界和人类本身的重要源泉[1]。
据计，人类获取的信息，绝大多数来自视觉，因此，图像作为视觉信息获取和传播的要载体，随着科技的飞速发展，也越来越受到人们的重视。
目前，图像处理技术已为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学、医学甚至社科学等领域各学科之间学习和研究的对象。
它己给人类带来了巨大的经济和社会效，不久的将来它不仅在理论上会有更深入的发展，在应用上也是科学研究、社会生产至人类社会生活中不可缺少的强有力工具。
2.1数字图像处理技术的优点数字图像处理技术的优点:1.再现性好。
数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。
只要图像在数字化准确地表现了原稿，则数字图像处理过程始终能保持图像的真实再现。
2.处理精度高。
按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。
现代扫描仪可以把每个像素的灰度级量化为16位甚至更高，这意味着图像的数字化精度可以满足任一应用需求。
从原上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组数就可以了。
3.适用面宽。
图像可以来自多种信息源。
从图像反映的客观实体尺度看，以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。
这些来自同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像组而成，因而均可用计算机来处理。
4.灵活性高。
由于图像的光学处理从原理上讲只能进行线性运算，极大地制了光学图像处理能实现的目标;而数字图像处理不仅能完成线性运算，而且能实非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。
5.信息压缩的潜力大。
数字图像中各个像素是不独立的，其相关性大。
在图像画面上，经常有很多像素有相同或接近的灰度。