应用版块主要内容：基于MATLAB7.0软件通过自适应中值滤波法处理模糊车牌，为设计车牌识别系统打基础。
2. 常见三种滤波器滤波效果比较
2.1 滤波函数介绍
本设计基于MATLAB7.0软件仿真。首先将图像移入MATLAB的work文件夹中，打开MATLAB7.0，通过imread（）函数读出图像，再载入0.25的 噪声，通过 函数显示载入噪声后的图像。其次，分别通过均值滤波函数 、中值滤波函数 、文纳滤波函数 对载入椒盐噪声的图像滤波，通过 函数分别显示均值滤波后图像、中值滤波后图像、文纳滤波后图像。最后，通过原图像，载入噪声图像，滤除噪声后图像对比，得出最适合滤除噪声的滤波方法。
2.2 滤波流程介绍
下图为通过均值滤波、中值滤波、文纳滤波三种滤波方法分别滤除椒盐噪声的流程图。通过图1，可以清晰明了的看出滤波过程。
 
图1 常见三种滤波器滤波流程图
如图1所示，为均值滤波、中值滤波、文纳滤波三种常见滤波法滤除椒盐噪声流程图。首先，输入灰度图像，然后对灰度图像载入0.25的椒盐噪声，输出显示载入噪声后图像。其次，对噪声图像分别用均值滤波法、中值滤波法、文纳滤波法对噪声图像滤波。输出显示滤波后图像。最后，通过原图像、载入噪声图像、滤除噪声后图像这三组图像对比，突出中值滤波法的优势。
2.3 基于MATLAB的三种滤波方法仿真
如下图2为未经处理的图像，图3为载入0.25的椒盐噪声后图像，图4为均值滤波后图像，图5为中值滤波后图像，图6为文纳滤波后图像。

图2 未经处理的图像                  图3 载入椒盐噪声后图像

图4 均值滤波后图像                   图5 中值滤波后图像
                       图6 文纳滤波后图像
由图2与图3比较得出，经过椒盐噪声载入后，图像上呈现黑白相间的杂点，整个图像变模糊。由图4、图5、图6三者比较得出，图5中的稻米粒最清晰，从而说明，均值滤波、中值滤波、文纳滤波三种滤波方法，中值滤波法处理噪声效果最佳。但是通过图2与图5比较得出，传统中值滤波存在缺点：滤除噪声不彻底，图像的灰度降低，图像的细节和边缘信息有损失。
3. 传统中值滤波法处理灰度图像
3.1 传统中值滤波原理和流程
3.1.1 传统中值滤波原理
中值滤波本质上是一种统计排序滤波器。对于原图像中某点 ，中值滤波以该点为中心的邻域内所有像素的统计排序中值作为 点的响应。中值是指排序队列中位于中间位置的元素的值，例如：采用3 3中值滤波器，某点 的8个邻域的一系列像素值为：12,18,18,11,23,22,13,25,118，统计排序结果为：11,12,13,18,18,22,23,25,118，排在中间位置（第5位）的18即作为
点中值滤波的响应 。显然，中值滤波是一种非线性滤波器[2]。
3.1.2 中值滤波流程
图7为中值滤波的整体流程图，能够直接明了的反应中值滤波整个过程。
 
图7 中值滤波流程图
中值滤波流程图7说明：
1．开始模块打开MATLAB软件，选定要处理的图像。
2．输入噪声模块对原图像分别载入椒盐噪声、高斯噪声、泊松噪声。
3．中值滤波模块对已载入的椒盐噪声图像、高斯噪声图像、泊松噪声图像分别进行传统中值滤波。
4．输出图像模块对比原图像，载入噪声图像，中值滤波图像，看经过中值滤波处理的哪种含噪声图像效果与原图像最接近。 MATLAB中值滤波在灰度图像处理中的应用研究和仿真(2):http://www.youerw.com/tongxin/lunwen_569.html