浅谈中值滤波浅谈中值滤波1、中值滤波的现状在数字信号处理和数字图像处理的早期研究中，线性滤波是主要的处理手段。线性滤波简单的数学表达式以及某些理想特性使其很下面是小编为大家整理的浅谈中值滤波4篇,供大家参考。
浅谈中值滤波篇1
浅谈中值滤波
1、中值滤波的现状
在数字信号处理和数字图像处理的早期研究中，线性滤波是主要的处理手段。线性滤波简单的数学表达式以及某些理想特性使其很容易设计和实现。然而，当信号中含有非叠加性噪声时，例如非线性引起的噪声或非高斯噪声等，线性滤波的处理效果就很难令人满意。在处理图像时，线性滤波将破坏边缘，而且不能有效滤除脉冲噪声。为了克服线性滤波方法的局限性，研究非线性滤波的方法为数字信号处理重要课题之一。
非线性滤波基于对输入信号序列的一种非线性映射关系，常可把某一特定的噪声近似映射为零而保留信号的重要特征，因而可以在一定程度上克服线性滤波的不足。
1971年著名学者J.W.Tukey在他的开拓性论文中提出了中值滤波的概念并用作时间序列平滑。中值滤波一出现就因其具有对尖脉冲的良好抑制能力，在平滑加性噪声时能保持信号的边缘特征等优点而备受瞩目。
常用的中值滤波是非线性滤波的代表，由于经典的中值滤波算法在滤除噪声的同时会使信号中重要的细节信息受损，因此，许多改进的中值滤波算法相继被提出。 2.中值滤波
在数据处理中我们经常使用的是滑动中值滤波，即取定中值滤波的跨度N（一般 N 为奇数），在数据序列中顺次取得 N 个数据，然后将该数据列的中值作为中心位置的值输出以形成新的数据序列，在滤波中应将原数据序列的两个边界各补充（N-1)/2(N为奇数时）个等于边界的点以使滤波后的新数据序列长度与原始的数据序列长度一致。 2.1一般中值滤波
2.1．1一般中值滤波的基本原理
设有一个序列：x1,x2,x3,x4,x5 ，将它们按照绝对值大小重新排列此序列
x3, x5,x2, x4,x1
重排以后的中值是x2，此值就作为滤波的输出。显然，x2不能表示成输入数据和滤波系数的褶积的线性组合。其主要特点有： (1)一般中值滤波绝对阻止噪声峰值，因为中值滤波只取中位数，绝对不会取异常数。例如有一组数 (x1,x2,x3,x4,x5) 正常数 − a≤xn≤a， n=2,3,4,5 异常数 x1>>a a 表示一个数，将以上数组自小到大排列后为 （x3, x5,x2, x4,x1 ）取中位数x2，决不会取异常数x1。
（2）一般中值滤波是低通滤波器，中值滤波取中值为序列的输出，可以看作是对数据序列进行局部平滑，这种局部平滑实质就是低通滤波。
（3）一般中值滤波不改变阶越函数在空间、时间上的位置，这一性质对于信号处理中的保护边缘有着重要的作用。
（4）当中值滤波的滤波窗口足够长时，有限宽度的三角波和矩形波可以被完全平滑。
（5）中值滤波由于没有统计效应，对随机出现的小的振幅值有时不能完全平滑，所以通常信号在中值滤波处理以后需要再进行带通滤波。 2.1.2一般中值滤波(MF)的数学基础
中值滤波对数字序列有平滑作用，平滑也就是数据逼近，这样则存在误差，如何利用误差最小来确定平滑参数，一般常见的有两种准则：(1)使误差的平方和达到最小；(2)使误差的绝对值和达到最小。平均值平滑的数学原理应用准则(1)，即符合误差的平方和最小。中值滤波则是利用准则(2)来实现对数据序列的平滑。
设x是 n 个数据序列的中位数，xi 表示一组序列。x与xi之差的绝对值和为：
Qxxi （3.1.1）
i1n要使Q最小，则
Q0 （3.1.2） xnnxxiQn2即 (xxi)Sign(xxi)0 xxi1i1xxii1式中：Sign——符号函数。
当xi>x 时，Sign 为负； 当xi
浅谈中值滤波篇2
东华大学实验报告
课程 数字图像处理 名称 数字图像变换
实验名称: 邻域平均法（box模板）和中值滤波处理
一、 实验目的
图像变换是数字图像处理中的一种综合变换，如直方图变换、几何变换等。通过本实验，使得学生掌握两种变换的程序实现方法。
二、 实验任务
请设计程序，分别用邻域平均法，其模板为：
111
111*1 9111 和中值滤波法对testnoise图像进行去噪处理（中值滤波的模板的大小也设为3×3）。
三、实验环境
本实验在Windows平台上进行，对内存及cpu主频无特别要求，使用VC或者MINGW（gcc）编译器均可。
四、设计思路
介绍代码的框架结构、所用的数据结构、各个类的介绍（类的功能、类中方法的功能、类的成员变量的作用）、各方法间的关系
试验要求中以给出大致的编程思路和源代码以及代码注释，只有黑框部分需要自己填写。在此不进行赘述。
五、具体实现
实现设计思路中定义的所有的数据类型，对每个操作给出实际算法。对主程序和其他模块也都需要写出实际算法。
注意：源代码中要加上注释。 代码：（红色为重点代码） (3*3) /*------利用第一次实验课提供的 dhc.h 和 dhc.c文件以获取位图的高 宽 以及从文件头到实际的位图数据的偏移字节数，从而实现对位图实际数据的操作。------*/ #include#include#include #include “hdr.h” /*------定义结构指针------*/ struct bmphdr *hdr; //定义用于直方图变量
unsigned char *bitmap,*count,*new_color; /*------main（)函数编写------*/ int main(） { //定义整数 i， j 用于函数循环时的，nr_pixels为图像中像素的个数
int i, j ，nr_pixels,nr_w,nr_h; //定义两个文件指针分别用于提取原图像的数据和生成直方图均衡化后的图像
FILE *fp, *fpnew; //定义主函数的参数包括：输入的位图文件名和输出的位图文件名，此处内容可以不要，在DOS下执行命令的时候再临时输入也可，为了方便演示，我这里直接把函数的参数确定了。
// argc=3; // argv[1]=“test.bmp”； // argv[2]=“testzf.bmp”；
//参数输入出错显示
/* if (argc ！= 3) { printf（“please input the name of input and out bitmap filesn”）； exit(1)； }*/ // 获取位图文件相关信息
// hdr = get_header（argv[1]）； hdr = get_header（“testnoise.bmp”）； if （！hdr） exit(1)； //以二进制可读方式打开输入位图文件
fp = fopen（“testnoise.bmp”， “rb”）； if （！fp） {
printf（“File open error!n”）；
exit(1)； } // 文件指针指向数据区域
fseek(fp, hdr->offset, SEEK_SET)；
//计算位图像素的个数 nr_pixels = hdr->width * hdr->height; nr_w = hdr->width; nr_h = hdr->height; bitmap = malloc（nr_pixels)； new_color = malloc(nr_pixels)； count = malloc（(nr_w+2）*（+nr_h+2））； //读取位图数据到bitmap中
fread(bitmap, nr_pixels, 1, fp)； fclose(fp)；
//因为图像边缘无法使用邻域平均，所以根据邻近颜色填补图像的周围一圈，存入count[]数组中
//中心图像存入count[] for(i=nr_w+3;iheight, 4, 1, fpnew)； fwrite(&hdr->nr_planes, 2, 1, fpnew)； fwrite(&hdr->bits_per_pixel, 2, 1, fpnew)； fwrite(&hdr->compress_type, 4, 1, fpnew)； fwrite(&hdr->data_size, 4, 1, fpnew)； fwrite(&hdr->resol_hori, 4, 1, fpnew)； fwrite(&hdr->resol_vert, 4, 1, fpnew)； fwrite(&hdr->nr_colors, 4, 1, fpnew)； fwrite(&hdr->important_color, 4, 1, fpnew)； if (hdr->offset>54)
fwrite(hdr->info, (hdr->offset54)， 1, fpnew)；
//直方图均衡化的数据(bitmap)赋值 fwrite(bitmap, nr_pixels, 1, fpnew)； //关闭
fclose(fpnew)； //释放内存（优化程序必需） free(hdr)； free(bitmap)； free(new_color)； free(count)； return 0;
得出实验结果图像后，比较这两种方法去噪的效果好坏，并分析具体原因。
通过比较，邻域平均法在降低噪声的同时，会使图像产生模糊；中值滤波在降低噪声的同时，能够较好的保持图像边缘，不过我感觉有点水粉画的效果，让图像有点失真。
完成上述工作后，使用程序进行验证分析：使用邻域平均法时，3×3和5×5模板大小对图像进行处理的效果有何差别？并分析原因。
程序及源代码都放在文件夹中，不放进报告了。上面是对比图，显然5×5模板比3×3模版模糊，因为使用邻域平均法时，模版尺寸越大，则图像模糊程度越大。
六、心得体会
这次实验是对两种去噪方法的比较。而在书本中，我们已经看过两种去噪方法的效果了，通过上机验证，果然如此。
在编写代码中，我把算法设计的比较繁琐，因为图像每一个像素的信息是由一维数组bitmap记录的，所以在算均值与中值时花了很大的力气。主要是添补周围一圈的图像比较繁琐，还有就是在一维数组中找模版中心和模版中的其他点。虽然我觉得用二维数组会使算法比较简单，但是我忘了二维数组如何动态分配空间，所以只能硬着头皮用一维数组做。
浅谈中值滤波篇3
有关EMI的一点常识
滤波技术是抑制干扰的一种有效措施，尤其是在对付开关电源EMI信号的传导干扰和某些辐射干扰方面，具有明显的效果。任何电源线上传导干扰信号，均可用差模和共模干扰信号来表示。差模干扰在两导线之间传输，属于对称性干扰；共模干扰在导线与地（机壳）之间传输，属于非对称性干扰。在一般情况下，差模干扰幅度小、频率低、所造成的干扰较小，共模干扰幅度大、频率高，还可以通过导线产生辐射，所造成的干扰较大。因此，欲削弱传导干扰，把EMI信号控制在有关EMC标准规定的极限电平以下。
除抑制干扰源以外，最有效的方法就是在开关电源输入和输出电路中加装EMI滤波器。一般设备的工作频率约为10～50 kHz。EMC很多标准规定的传导干扰电平的极限值都是从10 kHz算起。对开关电源产生的高频段EMI信号，只要选择相应的去耦电路或网络结构较为简单的EMI滤波器，就不难满足符合EMC标准的滤波效果。
瞬态干扰
是指交流电网上出现的浪涌电压、振铃电压、火花放电等瞬间干扰信号，其特点是作用时间极短，但电压幅度高、瞬态能量大。瞬态干扰会造成单片开关电源输出电压的波动；当瞬态电压叠加在整流滤波后的直流输入电压ＶＩ上，使ＶＩ超过内部功率开关管的漏－源击穿电压Ｖ（ＢＲ）ＤＳ时，还会损坏ＴＯＰＳｗｉｔｃｈ芯片，因此必须采用抑制措施。
通常，静电放电（ESD）和电快速瞬变脉冲群（EFT）对数字电路的危害甚于其对模拟电路的影响。静电放电在5 — 200MHz的频率范围内产生强烈的射频辐射。此辐射能量的峰值经常出现在35MHz — 45MHz之间发生自激振荡。许多I/O电缆的谐振频率也通常在这个频率范围内，结果，电缆中便串入了大量的静电放电辐射能量。
当电缆暴露在4 — 8kV静电放电环境中时，I/O电缆终端负载上可以测量到的感应电压可达到600V。这个电压远远超出了典型数字的门限电压值0.4V。典型的感应脉冲持续时间大约为400纳秒。将I/O电缆屏蔽起来，且将其两端接地，使内部信号引线全部处于屏蔽层内，可以将干扰减小60 — 70dB，负载上的感应电压只有0.3V或更低。
电快速瞬变脉冲群也产生相当强的辐射发射，从而耦合到电缆和机壳线路。电源线滤波器可以对电源进行保护。线 — 地之间的共模电容是抑制这种瞬态干扰的有效器件，它使干扰旁路到机壳，而远离内部电路。当这个电容的容量受到泄漏电流的限制而不能太大时，共模扼流圈必须提供更大的保护作用。这通常要求使用专门的带中心抽头的共模扼流圈，中心抽头通过一只电容（容量由泄漏电流决定）连接到机壳。共模扼流圈通常绕在高导磁率铁氧体芯上，其典型电感值为15 ～ 20mH。
传导的抑制
往往单纯采用屏蔽不能提供完整的电磁干扰防护，因为设备或系统上的电缆才是最有效的干扰接收与发射天线。许多设备单台做电磁兼容实验时都没有问题，但当两台设备连接起来以后，就不满足电磁兼容的要求了，这就是电缆起了接收和辐射天线的作用。唯一的措施就是加滤波器，切断电磁干扰沿信号线或电源线传播的路径，与屏蔽共同够成完善的电磁干扰防护，无论是抑制干扰源、消除耦合或提高接收电路的抗能力，都可以采用滤波技术。针对不同的干扰，应采取不同的抑制技术，由简单的线路清理，至单个元件的干扰抑制器、滤波器和变压器，再至比较复杂的稳压器和净化电源，以及价格昂贵而性能完善的不间断电源，下面分别作简要叙述。
专用线路
只要通过对供电线路的简单清理就可以取得一定的干扰抑制效果。如在三相供电线路中认定一相作为干扰敏感设备的供电电源；以另一相作为外部设备的供电电源；再以一相作为常用测试仪器或其他辅助设备的供电电源。这样的处理可避免设备间的一些相互干扰，也有利于三相平衡。 值得一提的是在现代电子设备系统中，由于配电线路中非线性负载的使用，造成线路中谐波电流的存在，而零序分量谐波在中线里不能相互抵消，反而是叠加，因此过于纤细的中线会造成线路阻抗的增加，干扰也将增加。同时过细的中线还会造成中线过热。
瞬变干扰抑制器
属瞬变干扰抑制器的有气体放电管、金属氧化物压敏电阻、硅瞬变吸收二极管和固体放电管等多种。其中金属氧化物压敏电阻和硅瞬变吸收二极管的工作有点象普通的稳压管，是箝位型的干扰吸收器件；而气体放电管和固体放电管是能量转移型干扰吸收器件（以气体放电管为例，当出现在放电管两端的电压超过放电管的着火电压时，管内的气体发生电离，在两电极间产生电弧。由于电弧的压降很低，使大部分瞬变能量得以转移，从而保护设备免遭瞬变电压破坏）。瞬变干扰抑制器与被保护设备并联使用。
气体放电管
气体放电管也称避雷管，目前常用于程控交换机上。避雷管具有很强的浪涌吸收能力，很高的绝缘电阻和很小的寄生电容，对正常工作的设备不会带来任何有害影响。但它对浪涌的起弧响应，与对直流电压的起弧响应之间存在很大差异。例如90V气体放电管对直流的起弧电压就是90V，而对5kV/μs的浪涌起弧电压最大值可能达到1000V。这表明气体放电管对浪涌电压的响应速度较低。故它比较适合作为线路和设备的一次保护。此外，气体放电管的电压档次很少。
金属氧化物压敏电阻
由于价廉，压敏电阻是目前广泛应用的瞬变干扰吸收器件。描述压敏电阻性能的主要参数是压敏电阻的标称电压和通流容量即浪涌电流吸收能力。前者是使用者经常易弄混淆的一个参数。压敏电阻标称电压是指在恒流条件下（外径为7mm以下的压敏电阻取0.1mA；7mm以上的取1mA）出现在压敏电阻两端的电压降。由于压敏电阻有较大的动态电阻，在规定形状的冲击电流下（通常是8/20μs的标准冲击电流）出现在压敏电阻两端的电压（亦称是最大限制电压）大约是压敏电阻标称电压的1.8～2倍（此值也称残压比）。 这就要求使用者在选择压敏电阻时事先有所估计，对确有可能遇到较大冲击电流的场合，应选择使用外形尺寸较大的器件（压敏电阻的电流吸收能力正比于器件的通流面积，耐受电压正比于器件厚度，而吸收能量正比于器件体积）。 使用压敏电阻要注意它的固有电容。根据外形尺寸和标称电压的不同，电容量在数千至数百pF之间，这意味着压敏电阻不适宜在高频场合下使用，比较适合于在工频场合，如作为晶闸管和电源进线处作保护用。 特别要注意的是，压敏电阻对瞬变干扰吸收时的高速性能（达ns)级，故安装压敏电阻必须注意其引线的感抗作用，过长的引线会引入由于引线电感产生的感应电压（在示波器上，感应电压呈尖刺状）。引线越长，感应电压也越大。为取得满意的干扰抑制效果，应尽量缩短其引线。 关于压敏电阻的电压选择，要考虑被保护线路可能有的电压波动（一般取1.2～1.4倍）。如果是交流电路，还要注意电压有效值与峰值之间的关系。所以对220V线路，所选压敏电阻的标称电压应当是220×1.4×1.4≈430V。 此外，就压敏电阻的电流吸收能力来说，1kA（对8/20μs的电流波）用在晶闸管保护上，3kA用在电器设备的浪涌吸收上；5kA用在雷击及电子设备的过压吸收上；10kA用在雷击保护上。 压敏电阻的电压档次较多，适合作设备的一次或二次保护。 2.1.7硅瞬变电压吸收二极管（TVS管） 硅瞬变电压吸收二极管具有极快的响应时间（亚纳秒级）和相当高的浪涌吸收能力，及极多的电压档次。可用于保护设备或电路免受静电、电感性负载切换时产生的瞬变电压，以及感应雷所产生的过电压。 TVS管有单方向（单个二极管）和双方向（两个背对背连接的二极管）两种，它们的主要参数是击穿电压、漏电流和电容。 使用中TVS管的击穿电压要比被保护电路工作电压高10％左右，以防止因线路工作电压接近TVS击穿电压，使TVS漏电流影响电路正常工作；也避免因环境温度变化导致TVS管击穿电压落入线路正常工作电压的范围。 TVS管有多种封装形式，如轴向引线产品可用在电源馈线上；双列直插的和表面贴装的适合于在印刷板上作为逻辑电路、I/O总线及数据总线的保护。
TVS管在使用中应注意的事项：
1、对瞬变电压的吸收功率（峰值）与瞬变电压脉冲宽度间的关系。手册给的只是特定脉宽下的吸收功率（峰值），而实际线路中的脉冲宽度则变化莫测，事前要有估计。对宽脉冲应降额使用。
2、对小电流负载的保护，可有意识地在线路中增加限流电阻，只要限流电阻的阻值适当，不会影响线路的正常工作，但限流电阻对干扰所产生的电流却会大大减小。这就有可能选用峰值功率较小的TVS管来对小电流负载线路进行保护。
3、对重复出现的瞬变电压的抑制，尤其值得注意的是TVS管的稳态平均功率是否在安全范围之内。
4、作为半导体器件的TVS管，要注意环境温度升高时的降额使用问题。
5、特别要注意TVS管的引线长短，以及它与被保护线路的相对距离。
6、当没有合适电压的TVS管供采用时，允许用多个TVS管串联使用。串联管的最大电流决定于所采用管中电流吸收能力最小的一个。而峰值吸收功率等于这个电流与串联管电压之和的乘积。
7、TVS管的结电容是影响它在高速线路中使用的关键因素，在这种情况下，一般用一个TVS管与一个快恢复二极管以背对背的方式连接，由于快恢复二极管有较小的结电容，因而二者串联的等效电容也较小，可满足高频使用的要求。
8、固体放电管 固体放电管是一种较新的瞬变干扰吸收器件，具有响应速度较快（10～20ns级）、吸收电流较大、动作电压稳定和使用寿命长等特点。 固体放电管与气体放电管同属能量转移型。当外界干扰低于触发电压时，管子呈截止状。一旦干扰超出触发电压时，伏安特性发生转折，进入负阻区，此时电流极大，而导通电阻极小，使干扰能量得以转移。随着干扰减小，通过放电管电流的回落，当放电管的通过电流低于维持电流时，放电管就迅速走出低阻区，而回到高阻态，完成一次放电过程。 固体放电管的一个优点是它的短路失效模式（器件失效时，两电极间呈短路状），为不少应用场合所必须，已在国内外得到广泛应用。 固体放电管的电压档次较少，比较适合于作网络、通信设备，乃至部件一级的保护。
浅谈中值滤波篇4
数字图像处理实验二
15生医
一、实验内容
产生教材104页题图4.18（右图）所示的二值图像（白为1，黑为0），编程实现习题4.18所要求的处理（3x3的平均滤波和中值滤波）功能（图像四周边界不考虑，处理结果按四舍五入仍取0或1），显示处理前后的图像，比较其异同。
二、运行环境 MATLAB R2014a
三、运行结果及分析
1、 四种不同的窗的3x3平均滤波
4邻域平均滤波后图像8邻域平均滤波后图像4邻域加权平均滤波后图像8邻域加权平均滤波后图像
①在MATLAB图形窗界面进行放大可以看出四者之间的差别： 4领域与8邻域之间没有明显差别，但是加权与未加权之间的差别较为明显，体现在：加权后每个矩形块的四个尖角部分都被保留了下来（图像四周边界不考虑），而未加权的尖角处黑色变为白色。 ②原因分析：
加权后尖角处原来白色的点（1）进行计算3/5=0.6四舍五入后值为1，保持白色，原来黑色的点（0）进行计算2/5=0.4四舍五入后值为0，保持黑色；而未加权尖角处无论原来是黑色还是白色，进行计算2/4=0.5四舍五入后值为1，所以原先的黑色（0）也变成了白色（1）。 ③下图为放大后的截图：
2、 中值滤波与原图像的对比 原图像中值滤波后图像
①在MATLAB图形窗界面进行放大后可观察出：
使用3x3方形中值滤波模板的效果与4领域、8领域加权平均滤波的效果相同，每个矩形块的四个尖角部分都被保留了下来（图像四周边界不考虑）。 ②原因分析：
套用3x3方形中值滤波模板后，尖角处原来白色的点（1）在窗内1多于0，取中值后仍保持白色，原来黑色的点（0）在窗内0多于1，取中值后仍保持白色。 ③下图为放大后的截图：
四、心得体会
通过MATLAB编程更加理解了课后题的计算结果，直观地看出了黑白像素点灰度值变化前后的取值异同。同时，对MATLAB实现像素点灰度值的替换机理也有所掌握，比如后边附的程序中会提到的“%”标注的思考。
五、具体程序
% 生成黑白块图像
unit=zeros(64,64)； f=zeros(256,256)； for i=1:1:32 for j=1:1:32 unit(i,j)=1; % 1/4白块 end end for i=33:1:64 for j=33:1:64 unit(i,j)=1; % 1/4白块 end end for i=1:64:256 for j=1:64:256 f(i:i+63,j:j+63)=unit; end end
% 对原图像进行3x3平均滤波 for i=2:1:255 for j=2:1:255 fave4（i,j)=(f(i-1,j)+f(i+1,j)+f(i,j-1)+f(i,j+1)）/4;
fave8（i,j)=(f(i-1,j-1)+f(i-1,j)+f(i-1,j+1)+f(i,j-1)+f(i,j+1)+f(i+1,j-1)+f(i+1,j)+f(i+1,j+1)）/8;
fave4_weighted（i,j)=(f(i-1,j)+f(i+1,j)+f(i,j-1)+f(i,j+1)+f(i,j)）/5;
fave8_weighted（i,j)=(f(i-1,j-1)+f(i-1,j)+f(i-1,j+1)+f(i,j-1)+f(i,j+1)+f(i+1,j-1)+f(i+1,j)+f(i+1,j+1)+f(i,j)）/9; end end fave4=round(fave4)； % 平均后灰度值有可能是小数，要取整 fave8=round(fave8)； fave4_weighted =round(fave4_weighted)； fave8_weighted =round(fave8_weighted)； subplot(2,2,1)； imshow(fave4)； title（"4邻域平均滤波后图像"）； subplot(2,2,2)； imshow(fave8)； title（"8邻域平均滤波后图像"） subplot(2,2,3)； imshow(fave4_weighted)； title（"4邻域加权平均滤波后图像"） subplot(2,2,4)； imshow(fave8_weighted)； title（"8邻域加权平均滤波后图像"）
4邻域平均滤波后图像8邻域平均滤波后图像4邻域加权平均滤波后图像8邻域加权平均滤波后图像
% 对原图像进行3x3方形中值滤波 for i=2:1:255 for j=2:1:255
a=[f(i-1,j-1)，f(i-1,j)，f(i-1,j+1)，f(i,j-1)，f(i,j)，f(i,j+1)，f(i+1,j-1)，f(i+1,j)，f(i+1,j+1)]； b=sort(a)； % 排序函数
fmid(i,j)=b(5)； % 9个数排序的中值 end end subplot(1,2,1)； imshow(f)； title（"原图像"）； subplot(1,2,2)； imshow(fmid)； title（"中值滤波后图像"）
原图像中值滤波后图像