一文理解什么是中值模糊

news2025/4/5 9:20:34

中值模糊的概念

中值模糊（Median Blur）

中值模糊的原理

示例：3×3 中值模糊

什么是椒盐噪声

椒盐噪声（Salt-and-Pepper Noise）

椒盐噪声的特点

OpenCV 中的 cv2.medianBlur()

函数格式

示例代码

中值模糊 vs 其他模糊方法

适用场景

总结

中值模糊的概念

中值模糊（Median Blur）

中值模糊（Median Blur）是一种 非线性滤波 方法，主要用于 去除椒盐噪声（Salt-and-Pepper Noise）（后文会解释什么是椒盐噪声），并且 能够较好地保留图像的边缘。它的核心思想是：

用 窗口（滤波核）内所有像素的中值 取代中心像素的值。

中值模糊的原理

中值模糊（Median Blur）是一种 非线性滤波 方法，它的核心思想是：

用局部窗口（滤波核）中的像素中值来替换中心像素值，从而去除椒盐噪声，并保留边缘信息。

它不同于均值滤波（Mean Filtering） 或 高斯滤波（Gaussian Filtering），它不计算均值或加权均值，而是直接选择排序后中间的值。

示例：3×3 中值模糊

假设有一个 3×3 的像素窗口：

[ 10, 200, 15 ]
[  5, 250, 20 ]
[  0, 100, 30 ]

先对这些像素值排序：

[0, 5, 10, 15, 20, 30, 100, 200, 250]
取 中间值（第 5 个）：20
替换窗口中心像素（250 → 20）

这样就减少了椒盐噪声的影响，同时保留了边缘信息。

什么是椒盐噪声

椒盐噪声（Salt-and-Pepper Noise）

椒盐噪声是一种常见的图像噪声类型，它的特点是：

在图像中随机出现白色（Salt）和黑色（Pepper）像素点，就像图像被撒上了“盐”和“胡椒”一样，因此得名。

椒盐噪声的特点

随机出现：椒盐噪声通常是随机分布的，每个像素有一定概率被噪声污染。
极端像素值：
- “Salt”（盐噪声）是 255（白色） 的像素点。
- “Pepper”（胡椒噪声）是 0（黑色） 的像素点。
破坏性强：椒盐噪声对图像影响较大，特别是对边缘和细节部分。
通常由传输或传感器错误引起：
- 传输错误：图像在无线传输或压缩时可能引入椒盐噪声。
- 传感器故障：相机或扫描仪的传感器问题可能导致像素随机变黑或变白。

OpenCV 中的 `cv2.medianBlur()`

函数格式

cv2.medianBlur(src, ksize)

src：输入图像（可以是灰度图或彩色图）。
ksize：滤波窗口大小（必须是奇数，如 3、5、7）。
- ksize=3 → 3×3 窗口
- ksize=5 → 5×5 窗口
- 不能是偶数，否则会报错！

示例代码

import cv2

# 读取图像
img = cv2.imread('./imgs/001.png')

# 应用中值模糊，核大小为 5
median_blur = cv2.medianBlur(img, 7)

gaussian_blur = cv2.GaussianBlur(img, (7, 7), 0)

# 显示结果
cv2.imshow('Original', img)
cv2.imshow('Median Blur', median_blur)
cv2.imshow('Gaussian Blur', gaussian_blur)

cv2.waitKey(0)

cv2.destroyAllWindows()

cv2.destroyAllWindows()

原图

效果如下：

那其实就可以看出来了，中值模糊对于这样的椒盐噪声效果很好的嘻嘻。

原图

效果

高斯模糊来这里就纯属是捣乱的，中值模糊对于一些点稍微没有那么大的还是可以完美清除的，但是太大了，一些比ksize还大的，几乎只能去个棱角没办法了。

中值模糊 vs 其他模糊方法

滤波方法	计算方式	适用场景	备注
均值模糊 `cv2.blur()`	计算窗口内所有像素的均值	适用于一般模糊	会模糊边缘
高斯模糊 `cv2.GaussianBlur()`	计算加权均值（中心像素权重大）	适用于去噪和平滑	适当保留边缘
中值模糊 `cv2.medianBlur()`	取窗口像素的中值	去椒盐噪声，保留边缘	处理速度较慢