图像去噪追求的目的是既能去除图像中的噪声，同时又能较完整的保持图像的细节信息。在研究几种基于中值的椒盐噪声去除方法基础上，设计了一种有效去除图像椒盐噪声的开关中值滤波器。提出的算法首先利用图像灰度值的两个极值把像素点分为信号点和可能噪声点。在滤波阶段，对于信号点保持其灰度值不变， 对于可能噪声点分两步进行处理: 根据噪声密度决定滤波窗口尺寸并判断滤波窗口内是否包含信号点，如果无信号点则以窗口内像素的中值作为可能噪声点的恢复值，这一步可对误判噪声点进行纠正; 而其余可能噪声点采用极值舍弃滤波和递归滤波估计其灰度值，滤波窗口尺寸固定为3×3，这一步用来去除噪声和保持图像细节。实验结果表明，本文算法在主客观方面都优于相比较的方法，且对不同水平的椒盐噪声都具有较好的去除性能。

图像处理作业，自适应中值滤波器的实现，根据数字图像处理 第三版（冈萨雷斯 著）此书所描述的算法实现编码

中值过滤器Matlab 使用中值滤波器进行图像处理

中值滤波器的V e r i l o g 实现代码，已通过测试，，可直接使用

中值滤波器,与matlab(2010a)的一样.上传的文件是utf-8编码.

传统的中值滤波中“中值”一般取“中位数”，即所有元素排序后中间位置上的元素值。但是排序需要移动大量元素，效率较低。 个人认为，其实原版算法主要耗时的地方之一是matlab的排序函数：sort() 说明：耗时的原因很多！值得改进的地方还有很多~~ 基于此点，可以改进排序函数，快速排序算法是我的首选,但是不是平常意义的那种快速排序，是经过改良的快速排序。

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

数字图像处理实验 一个用于车牌自动识别的示例图像 实现中心加权中值滤波器中心加权中值（CWM）滤波器在ECTE903-TEARCH-02.pdf中描述。基于清单5.2，编写一个计算CWM过滤图像的MATLAB函数。函数应该有如下语法 function g = cw_median_filter(f, M)

自适应中值滤波器的实现和应用.pdf

内含 平时作业（matlab代码+实验图）+期末大作业（报告+代码） 代码中涉及读取文件的路径使用"路径"表明 作业一：反转变换、对数变换和幂变换、直方图均衡化 作业二：中值滤波器、拉普拉斯算子、傅里叶变换 作业三：陷波滤波器、巴特沃思低通滤波器、理想低通滤波器 作业四：肤色检测 作业五：拉普拉斯金字塔、高斯金字塔 作业六：小波变换 作业七：边缘提取算子、图像角点提取 作业八：灰度共生矩阵 作业九：图像识别 期末大作业：车速判断