当前位置：首页 > news >正文

OpenCV(二十七)：中值滤波

news 2025/11/17 8:01:43

中值滤波（Median Filter）是一种在图像处理系统中被广泛采用的非线性滤波算法，主要用于去除脉冲噪声（Salt & Pepper Noise）和消除图像中的孤立噪点。相比均值滤波，中值滤波在保留边缘方面具有明显优势，因此在图像预处理阶段非常常用，如去噪、边缘检测前的降噪等。

椒盐噪声

椒盐噪声是一种典型的 脉冲噪声（Impulse Noise），表现为：

随机出现的 极亮点（255，salt）
或 极暗点（0，pepper）
像素值与周围真实像素差异极大

例如：

正常像素值可能在 100~150 之间
但噪声可能突变为 0 或 255

特点：噪声像素是“异常值（Outlier）”，比周围像素跳跃巨大。

这些极端值对线性滤波器（均值、高斯）影响很大，但对中值滤波影响很小。

基本原理

中值滤波属于典型的 基于排序统计（Order Statistics） 的非线性滤波方法。它的基本思想可以概括为：

取当前像素邻域内的所有像素值，排序后取中间的那个值作为输出像素。

假设我们使用一个 3×3 的滤波窗口，以图像中的一个像素 P 为中心，取其周围共 9 个像素，按灰度值从小到大排序：

例：周围像素为：

23, 25, 90, 110, 120, 150, 155, 200, 255

排序后为：

23, 25, 90, 110, 120, 150, 155, 200, 255

中间的那个值是第 5 个：120。

因此，原中心像素 P 被替换为 120。

数学表达

设邻域为 Ω，邻域中的像素集合为：

在这里插入图片描述

排序后得到：

在这里插入图片描述

中值滤波输出为：

在这里插入图片描述

该公式说明中值滤波器利用排序统计特性，而不是线性加权求和，因此具有显著的抗噪声能力。

主要特点

优点

对椒盐噪声（黑白强干扰点）尤其有效
中值滤波几乎是去除椒盐噪声的最佳选择，能在不明显模糊图像的情况下有效抑制异常值。
比均值滤波更好地保留边缘
因为不进行像素平均，因此边缘不会被模糊。
简单稳定、计算量适中，适合实时处理

缺点

对高斯噪声等连续噪声不如均值滤波有效；
大窗口中值滤波会丢失细节；
排序操作在大窗口下计算较耗时，但现代 CPU/GPU 差距不明显。

适用场景

处理含椒盐噪声的监控视频或拍照图像
图像边缘检测前的预降噪
医学影像预处理（如 MRI、CT 图像）
道路识别、车牌识别等需要保护边缘的场景
去除图像孤立亮点或黑点

OpenCV中的中值滤波函数

OpenCV 提供的函数为：

cv2.medianBlur(src, ksize)

参数说明：

src：原始图像；
ksize：核大小，只能是奇数，例如 3、5、7…；
输出图像与输入图像大小相同。

注意：ksize 必须是奇数且 ≥ 3

原因在于：

奇数才有唯一的中间值；
核大小越大，滤波越强，但可能损失更多细节。

示例

去除椒盐噪声

import cv2
import numpy as npimg = cv2.imread('input.jpg', 0)  # 灰度图
noise = img.copy()# 添加椒盐噪声
salt_pepper_prob = 0.02
for i in range(img.shape[0]):for j in range(img.shape[1]):r = np.random.rand()if r < salt_pepper_prob:noise[i][j] = 0       # 黑点elif r > 1 - salt_pepper_prob:noise[i][j] = 255     # 白点# 中值滤波处理
denoised = cv2.medianBlur(noise, 5)cv2.imshow("Salt&Pepper Noise", noise)
cv2.imshow("Denoised by Median", denoised)
cv2.waitKey(0)

执行效果：

在这里插入图片描述

与均值滤波、高斯滤波对比

import cv2img = cv2.imread('test.jpg')# 均值滤波
mean = cv2.blur(img, (5,5))# 高斯滤波
gaussian = cv2.GaussianBlur(img, (5,5), 1)# 中值滤波
median = cv2.medianBlur(img, 5)cv2.imshow('Original', img)
cv2.imshow('Mean Blur', mean)
cv2.imshow('Gaussian Blur', gaussian)
cv2.imshow('Median Blur', median)
cv2.waitKey(0)