请问中值滤波与均值滤波各自的优缺点？

均值滤波和中值滤波的内容非常基础，均值滤波相当于低通滤波，有将图像模糊化的趋势，对椒盐噪声基本无能为力。中值滤波的优点是可以很好的过滤掉椒盐噪声，缺点是易造成图像的不连续性。通过下面三张图可以清楚看到以上两种滤波方法的差异。

原图是含有椒盐噪声的图像

利用中值滤波处理后，椒盐噪声几乎完全被去除掉

利用均值滤波处理后，椒盐噪声被处理成了小的气泡，但与此同时图像开始变得模糊。

拓展资料：

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为g(x,y)=med{f(x-k,y-l),(k,l∈W)}，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。

均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点(x，y)，选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点(x，y)，作为处理后图像在该点上的灰度g(x，y)，即g(x，y)=1/m∑f(x，y)m为该模板中包含当前像素在内的像素总个数。

  中值滤波与前面介绍的滤波方式不同，不再采用加权求均值的方式计算滤波结果。它用邻域内所有像素值的中间值来替代当前像素点的像素值。

  中值滤波会取当前像素点及其周围临近像素点（一共有奇数个像素点）的像素值，将这些像素值排序，然后将位于中间位置的像素值作为当前像素点的像素值。

  例如，针对图7-27中第4行第4列的像素点，计算它的中值滤波值。

将其邻域设置为3×3大小，对其3×3邻域内像素点的像素值进行排序（升序降序均可），按升序排序后得到序列值为：[66,78,90,91,93,94,95,97,101]。在该序列中，处于中心位置（也叫中心点或中值点）的值是“93”，因此用该值替换原来的像素值78，作为当前点的新像素值，处理结果如图7-28所示。

在OpenCV中，实现中值滤波的函数是cv2.medianBlur()，其语法格式如下：

式中：

【例7.7】针对噪声图像，对其进行中值滤波，显示滤波的结果。

从图中可以看到，由于没有进行均值处理，中值滤波不存在均值滤波等滤波方式带来的细节模糊问题。在中值滤波处理中，噪声成分很难被选上，所以可以在几乎不影响原有图像的情况下去除全部噪声。但是由于需要进行排序等操作，中值滤波需要的运算量较大。

中值滤波对脉冲噪声有良好的滤除作用，特别是在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。这些优良特性是线性滤波方法所不具有的。此外，中值滤波的算法比较简单，也易于用硬件实现。所以，中值滤波方法一经提出后，便在数字信号处理领得到重要的应用。

中值滤波方法：对一个数字信号序列xj(-∞<j<∞)进行滤波处理时，首先要定义一个长度为奇数的L长窗口，L=2N+1，N为正整数。设在某一个时刻，窗口内的信号样本为x(i-N)，…，x(i)，…，x(i+N)，其中x(i)为位于窗口中心的信号样本值。对这L个信号样本值按从小到大的顺序排列后，其中值，在i处的样值，便定义为中值滤波的输出值，写为如图1.

中值滤波是在“最小绝对误差”准则下的最优滤波。

在实际应用中，随着所选用窗口长度的增加，滤波的计算量将会迅速增加。因此，寻求中值滤波的快速算法，是中值滤波理论的一个重要研究内容。中值滤波的快速算法，一般采用下述三种方式：①直方图数据修正法；②样本值二进制表示逻辑判断法；③数字和模拟的选择网络法。

对中值滤波的理论研究，还集中于统计特性分析和根序列的描述方面。当一个信号序列经一特定窗口长度的中值滤波反复处理后，它会收敛于某一个不再变化的序列，这个序列称为中值滤波的根序列。根序列是描述中值滤波特性的一个重要概念。通过对根序列结构的研究，可以确定原信号序列中，哪些成分可以经中值滤波后保留下来，哪些成分将被抑制。这对确定中值滤波器的窗口长度，提供了重要依据。用VLSI实现的中值滤波器芯片，可供实时处理中应用。

---