什么是 alpha 修剪均值滤波器？

Question

我理解了取内核像素平均值的均值滤波器，也理解了取内核像素中值的中值滤波器（对所有值进行排序并取内核的中间值）。

Alpah 修剪均值滤波器混合了均值滤波器和中值滤波器。输出是

我不明白这个过滤器发生了什么。谁能解释清楚这个过滤器？

Answer 1

如您所说，此过滤器是均值过滤器和中值过滤器的组合。 首先，我们看看我们可以在哪里使用这个过滤器。它在存在高斯噪声和异常噪声的情况下表现相当不错。

这是一种尝试将均值滤波器的属性与中值滤波器的属性结合起来的算法方法。它有一个称为 P 的参数，它决定了要应用多少均值滤波器和多少中值滤波器。

玩弄 p，您可以充分利用中值和均值混合组合。

当您的图像具有高斯噪声 + 异常噪声（椒盐噪声）时，您可以使用中值滤波器去除高斯噪声，然后使用中值滤波器/最小滤波器/最大滤波器来去除异常噪声。但是在这种方法中，我们需要进行更多的内核处理，所以这在计算上是非常需要的。

在这种情况下，我们可以使用 alpha-trimmed mean filter 它的作用，它首先应用 median filter。选择一个中值窗口而不是单个值（以中值为中心的特定窗口），然后对该部分进行 均值过滤。如果您的中值窗口很小，它看起来只是一个简单的中值。 5 * 5 窗口，将其放入大小为 25 的数组中。如果仅应用中值，则仅选择中点，但我们在这里所做的是围绕中点选择一个窗口（数组中心的 5 个元素是中点点）并对窗口应用均值滤波。 通过参数 P，我们可以决定我们需要申请多少中值和均值滤波器。

如果我们减小 P，则均值滤波的窗口大小会变高，我们会增加均值滤波效果。 如果我们增加P，则用于均值滤波的窗口大小将在此基础上减小，我们增加中值滤波效果。

我们在这里所做的是，首先我们将中值滤波器应用于图像并获得中值像素位置，然后我们在中值像素值周围取一个窗口，然后对那个窗口应用一个均值滤波器. 基本上，平均滤波器窗口大小取决于 p，当我们增加 p 时，窗口大小会减小，因此平均滤波器效果会降低，反之亦然

考虑低于窗口大小

| 20 20 8|

|21 19 12|

|19 22 10|

有序列表为 { 8, 10, 12, 19, 19, 20, 20, 21, 22}

对于不同的p值，输出如下：

0 - 16.8

1 - 17.3

2 - 18.0

3 - 19.3

4 - 19.0

我们做的第一件事是得到中值窗口。然后我们根据p值对像素进行排序，我们的值从窗口的平均值变为窗口的中值（16.8到19.0）