中值滤波的基本思想是，把局部区域的像素按灰度等级进行排序，取该领域中灰度的中值作为当前像素的灰度值。论文网

中值滤波的步骤为：

（1）将滤波模板（含有若干个点的滑动窗口）在图像中漫游，并将模板中心与图中某个像素位置重合；

（2）读取模板中各对应像素的灰度值；

（3）将这些灰度值从小到大排列；

（4）取这一列数据的中间数据，将其赋给对应模板中心位置的像素。如果窗口中有奇数个元素，中值取元素按灰度值大小排序后的中间元素灰度值。如果窗口中有偶数个元素，中值取元素按灰度值大小排序后，中间两个元素灰度的平均值。因为图像为二维信号，中值滤波的窗口形状和尺寸对滤波器效果影响很大，不同图像内容和不同应用要求往往选用不同的窗口形状和尺寸。

中值滤波法对消除椒盐噪声非常有效，是经典的平滑噪声的方法。本文实验采用5*5的邻域中值滤波方法对含噪图像进行去噪。中值滤波对随机噪声有很好的去噪能力，而在平滑非冲激噪声时不能有效地保存细节，为了克服这一缺点，提出了自适应滤波去噪方法。

3 自适应中值滤波

3。1 背景介绍

自适应滤波是近年以来发展起来的一种最佳滤波方法。它是在维纳滤波,Kalman滤波等线性滤波基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能。从而在工程实际中，尤其在信息处理技术中得到了广泛的应用。

自适应滤波的研究对象是具有不确定的系统或信息过程。这里的“不确定性”是指所研究的处理信息过程及其环境的数学模型不是完全确定的。其中包含一些未知因素和随机因素。

任何一个实际的信息过程都具有不同程度的不确定性，这些不确定性有时表现在过程内部,有时表现在过程外部。从过程内部来讲，描述研究对象即信息动态过程的数学模型的结构和参数是设计者事先并不一定能确切知道的。作为外部环境对信息过程的影响，可以等效地用扰动来表示。这些扰动通常是不可测的，它们可能是确定性的，也可能是随机的。此外，还有一些测量噪音也以不同的途径影响信息过程。这些扰动和噪声的统计特性常常是未知的。面对这些客观存在的各式各样的不确定性，如何综合处理该信息过程，并使得某一些指定的性能指标达到最优或近似最优，这就是自适应滤波所要解决的问题。

3。2 基本原理

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。我们做如下定义：

Zmin是在Sxy滤窗内灰度的最小值；

Zmax是在Sxy滤窗内灰度的最大值；

Zmed是在Sxy滤窗内灰度的中值；

Zxy是坐标(x,y)处的灰度值；

Smax指定Sxy所允许的最大值。

自适应中值滤波算法由两个部分组成，称为第一层(Level A) 和第二层(Level B)。主要算法如下:

Level A : A1 = Zmed – Zmin                                           （3。2。1）

A2 = Zmed – Zmax                                                 （3。2。2）