《Python人脸识别：从入门到工程实践》 ——3.4.2　中值滤波

3.4.2　中值滤波

我们在上面介绍了均值滤波，使用均值滤波会造成图片的模糊，即使修改均值滤波的权值，也还是会造成图片的模糊。因此，我们既要对图片进行滤波处理，又要尽量减少图片的模糊程度，那么就要考虑另外一种思路来实现滤波过程。

中值滤波是一种与均值滤波过程不同的滤波方法。相比于均值滤波，中值滤波可以有效减少图片的模糊程度。中值滤波的原理如下：

与均值滤波的原理大体相似，同样使用一个指定大小的滑动窗口，在图片上进行滑动，不断地进行滤波处理。不过，与均值滤波的不同在于，中值滤波在对像素点进行处理时，并不是采取简单的取平均数的做法，而是改为取其中位数的做法。

以椒盐噪声为例，其像素的灰度值要么是最低的，要么是最高的，总是处于两个极端。而图像中绝大多数正常点处于这样一个区间之中，因此，将滤波器所选取区域中的像素点，以其灰度值的大小进行排序，如果存在噪声，则基本处于两端的位置。此时，这组数据的中位数在绝大多数情况下都是图像中正常的信息而不是噪声，这样就可以实现滤波过程。这个过程如图3-8所示。

图3-8　中值滤波过程演示

对于椒盐噪声来讲，中值滤波的效果要好于均值滤波。而对于高斯噪声来讲，均值滤波的效果优于中值滤波，这是因为，高斯噪声的特点是噪声颜色值不固定，基本符合高斯随机分布的特点，这样就会导致中值滤波无法按照默认的噪声范围进行滤波，其效果自然就没有均值滤波好。