影像處理與濾波
中值濾波器
中值濾波器並非用鄰居的平均、而是用它們的中值取代每個像素,也就是把鄰域排序後的中間值。從平均改為中值這唯一的改變,使它成為非線性濾波器,並帶來一個了不起的特性:對離群值穩健。少數幾個錯得離譜的像素無法撼動一個已排序清單的中間,因此它們直接被忽略,而不是被抹散開來。
這正是中值濾波器成為椒鹽(脈衝)雜訊標準解方的原因,那種雜訊是散落的像素卡在純黑或純白。以 3 乘 3 視窗為例:把它的九個值排序,輸出第五個。一個孤立、白到發亮的斑點會落在排序清單的頂端,永遠不會成為中值,於是它消失了,而真實的影像結構(多數鄰居一致之處)則被保留。同樣重要的是,中值濾波器保留銳利階梯邊緣的能力遠勝任何線性模糊,因為沿著乾淨的邊緣,多數值仍然勝出,所以邊界保持清晰,而不會被平均成一道斜坡。
由於它需要排序而非加權和,中值濾波器不是卷積,也不遵守任何線性系統理論;一般意義下並沒有頻率響應。天真的實作會對每個視窗排序,但存在每像素常數時間的演算法,例如 Huang 隨視窗滑動而更新的滾動直方圖,以及 Perreault 的 O(1) 常數時間中值濾波。它的弱點是:對於高斯(加成性)雜訊它並非最佳,那種情況平均才勝出;而大視窗會把銳利的角磨圓、抹除細線、移除小特徵。加權中值、自適應中值、以及向量中值(用於彩色)等變體則針對特定缺點加以改進。
在一張帶有 10% 椒鹽雜訊的人臉照片上,3x3 中值濾波器幾乎移除每一個黑白斑點,同時讓睫毛與唇緣保持銳利;同樣大小的均值濾波器則留下每個斑點的灰色殘影並使整張臉變柔。
為何重要:均值與中值的取捨是影像處理中經典的穩健性課題。當雜訊為脈衝型(離群值)且邊緣必須保持銳利時,使用中值;當雜訊為高斯型且可接受輕微模糊時,使用平均或高斯。
又称