数字图像处理的Python实现（8）——中值滤波

在图像处理过程中，无论是采用平均平滑方法还是高斯平滑方式，均会在去除噪声的同时对图像造成一定程度的模糊效应，从而导致部分信息的丢失。理想状态下，应具备选择性滤波的能力，即仅对存在噪声的区域实施平滑操作，而对无噪声区域保持原样，以最大限度地减少模糊现象的发生。这种处理方式正是自适应滤波理念的核心所在。通常情况下，在存在噪声的区域中，邻域内的极值差异较大或方差较高，因此可以通过设定特定阈值来判断某一点是否需要进行平滑处理。然而这一内容并非本章节的重点，本章主要介绍中值滤波的相关知识。中值滤波本质上属于一种统计排序滤波器 ，其原理是取以该点为中心的邻域内所有像素值进行排序后的中间值作为该点的输出结果；而平滑滤波则是基于加权平均的方式进行计算，在概念上存在明显区别。

不同类型的滤波器在应对各类噪声时表现出的效果也有所不同。以线性平滑滤波为例，在处理邻域中的噪声点时，这些噪声会对目标像素值的计算产生一定影响（例如高斯平滑中，距离越近的影响越大，距离越远的影响越小，并且与距离平方成反比）；然而中值滤波则能够有效忽略这些噪声点。此外，在降噪过程中，中值滤波所引发的模糊效应相对较低。其中一种典型应用便是用于消除椒盐（salt & pepper）噪声。因此，在接下来的内容中，我们首先编写一个函数用于为灰度图像添加椒盐噪声。

 from PIL import Image