中值滤波器去噪： 中值滤波的主要原理是将数字图像中的某点用该点的邻域中各个像素值的中值所来代替，这样就能让目标像素周围能够更好的接近真实值，比如一张白纸上有一个黑点时，黑点的像素值比较大，经过中值滤波过后，黑点附近的像素值可能就会变小。经过中值滤波后一些相对孤立的噪声点就容易被清除掉，这样就能提高图像的质量。 所以中值滤波器去噪的一个优点就是对椒盐噪声的去除具有很好的效果，具体操作是选取一个中心邻域，然后给邻域类各个像素的灰度值按大小进行排序，选取排序序列中的中值作为该邻域中心点的像素值的灰度值。 它的缺点是当邻域挑选过大时，可能会造成图像特征丢失。 实现代码如下： import numpy

详细介绍了中值滤波和均值滤波在matlab中的应用

【图像去噪】均值滤波+中值滤波+高斯低通滤波+多种小波变换图像去噪matlab源码GUI.md

利用野火开发板STM32F103VET6 +超声波HC-SR04 完成倒车雷达功能，距离越近蜂鸣器频率越高，距离值通过中值滤波算法，以及卡尔曼滤波算法，算法系数可调，也可用在ADC数据采集滤波上，或者其他原始数据采集上

受光照、气候、成像设备等因素的影响，灰度化后的图像存在噪声和模糊干扰，直接影响到下一步的文字识别，因此，需要对图像进行增强处理。图片预处理中重要一环就是椒盐去澡，通常用到中值滤波器进行处理，效果很好。中值滤波器是一种非线性滤波器，其基本原理是把数字图像中某点的值用其领域各点值的中值代替。 如求点[i,j]的灰度值计算方法为： （1）按灰度值顺序排列[i,j]领域中的像素点； （2）取排序像素集的中间值作为[i,j]的灰度值。中值滤波技术能有效抑制噪声。 直接上代码，希望给大家有帮助： import numpy as np import cv2 import tensorflow as tf

基于DSP6416的中值滤波算法源码 DSp的应用

添加高斯噪声，并用高斯滤波、均值滤波、中值滤波、双边滤波四种滤波去噪方式，并且分别得到这四种滤波后的信噪比值，通过比较信噪比值，得到最佳的滤波去噪处理方式。添加噪声的浓度可以改变，并且也可以改变卷积核滤波器大小，通过控制条件进行对比得到最佳实验结果。

基于中值滤波的图像椒盐噪声滤除算法的研究与应用

有序子集期望最大化(OSEM)迭代算法是近年来发展较快的一种迭代类算法。但该算法在迭代过程中容易产生条纹状伪影、金属伪影或者散射伪影。构造了平滑约束矩阵作为先验信息引入到重建迭代过程, 建立了一种平滑约束OSEM(SC-OSEM)迭代重建算法。分别将中值滤波、全变差最小(TVM)方法作为平滑约束条件, 通过数值模拟, 针对不完备理想投影数据、含金属不完备投影数据、含噪声不完备投影数据三种情况, 重建出了与原始模型一致性较好的计算机层析成像技术(CT)图像, 比单独OSEM迭代算法重建质量高, 并且发现中值滤波约束重建图像的整体噪声较小, TVM算法使金属边界更清晰, 表明SC-OSEM迭代重建算法是一种精度高、适应性较强的CT重建算法。

出版日期和地址； Erkan U.、Gökrem L.、Enginoğlu S.，计算机与电气工程，2018 年，卷：70 页：789-798，doi：10.1016/j.compeleceng.2018.01.019 摘要：在本文中，我们提出了一种新方法，即不同应用中值滤波器 (DAMF)，以去除所有密度下的椒盐 (SAP) 噪声。 然后，我们解释了它的一些基本概念。 之后，我们通过使用峰值信噪比（PSNR）和结构相似性（SSIM）对一些图像（如Cameraman和Lena）使用DAMF方法和其他一些方法的结果进行了比较。 例如，对于 SAP 噪声比为 30% 的 Cameraman 图像，PSMF、DBA、MDBUTMF 和 NAFSM 方法的 PSNR 和 SSIM 结果分别为 28.27/29.28/29.44/32.09 和 0.9044/0.9324/0.7749/0.77