一：中值滤波概念

中值滤波器是最常用的非线性平滑滤波器。它是一种邻域运算，类似于卷积，但计算的不是加权求和，而是把邻域中的像素按灰度级进行排序，然后选择该组的中间值作为输出像素值。

二：实现步骤

具体步骤是：

（1）将模板在图像中漫游，并将模板中心与图像中某个像素的位置重合；

（2）读取模板下各对应像素的灰度值；

（3）将这些灰度值从小到大排成一列，找出这些值里排在中间的一个；

（4）将这个中间值赋给对应模板中心位置的像素。

三：功能

由此可以看出，中值滤波器的主要功能就是让与周围像素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点。中值滤波器不像均值滤波器那样，它在衰减噪声的同时不会使图像的边界模糊，这也是中值滤波受欢迎的主要原因。中值滤波器去噪声的效果依赖于两个要素：邻域的空间范围和中值计算中所涉及的像素数。一般来说，小于中值滤波器面积一半的亮或暗的物体基本上会被滤掉，而较大的物体则几乎会原封不动地保存下来。因此，中值滤波器的空间尺寸必须根据现有的问题来进行调整。较简单的模板是 的方形（这里N常是奇数），计算使用到的所有 各像素点。另外，我们也可以使用稀疏分布的模板来节省时间。对于不同的模板，中值也要依情况而定。计算中值所使用的像素的增加跟去噪时的效果之间的关系是非线性的。如果现在的问题需要用到大尺度的中值滤波器，那么用稀疏分布的中值模板或许能得到令人满意的效果。

四：代码实现

matlab自带的中值滤波函数为medfilt2(A,[M N]),A为要处理的图像，[M,N]表示模板的大小，熟悉其原理之后，可以很容易自编程实现中值滤波：

%自编程实现中值滤波
clear;
n=5;    %模板大小
image = imread('peppers.png');
I=rgb2gray(image);
J=imnoise(I,'salt',0.02);
[height, width] = size(J);  %获取图像尺寸
FilterMid = J;
for row = (n+1)/2:height-(n-1)/2
    for col = (n+1)/2:width-(n-1)/2
        temp = double(J(row-((n-1)/2):row+((n-1)/2),...
        col-((n-1)/2):col+((n-1)/2)));  %获取模板区域
        %中值滤波
        template2 = sort(temp(:));   %对模板区域内像素值进行排序
        FilterMid(row, col) = template2((n*n+1)/2);  %更新模板中心像素值
    end
end
figure ,subplot(1,3,1),imshow(I),title('原图像');
subplot(1,3,2),imshow(J),title('加入椒盐噪声后的图像');
subplot(1,3,3),imshow(FilterMid),title('中值滤波后的结果');

创作不易，喜欢的话给个关注吧！