自适应中值滤波器与保守滤波的原理与应用

两个经典的MATLAB数字图像处理书中提到的滤波器是自适应中值滤波器。它需使用一个可变大小的矩形窗口，并对滤波处理过程中的不同步进行调整。其输出是一系列替代原中心像素的数值，用以替换位置的原始像素值。

根据自适应中值滤波器的原理，在A过程中如果得到的中值不符合条件，通常需要扩大滤波器的窗口尺寸，以便在更广泛的范围内查找非噪声点的中值。当噪声出现的概率较低时，自适应中值滤波器能够较快地得出结果；反之，若噪声概率较高，则需增加滤波器的窗口尺寸，以更好地反映中值滤波的特点。

自适应中值滤波效果优秀，无需增大窗口规模。相比常规中值滤波器，它在保持图像边缘的同时提高了速度，但处理时间较长。

自适应中值滤波的基本原理在于选择当前窗口内的中值Zmed，并判断它是否为噪声。如果Zmin < Zmed < Zmax，说明中值Zmed不是噪声，接着进入过程B。在过程中，如果检测到Zxy不是噪声，则输出其值；若确认为噪声，则返回中值Zmed进行下一轮处理。

一种扩展算法为保守滤波，其基本原理是找到像素窗口周围的最小和最大强度值。如果中心像素的强度在邻域强度范围内，则保持不变；否则，中心像素的强度将被设为最大或最小强度值。相比自适应中值滤波，保守滤波不包含中心像素本身的领域，并非用中值代替原始像素。

通过对比分析自适应中值滤波与保守滤波的效果，可以发现：在移除椒盐噪声方面，自适应中值滤波的表现尤为出色，基本能复原原始图像。然而，保守滤波目前仅支持滤波尺寸，并且对噪音较为集中的区域处理效果不佳。尽管如此，通过扩大半径或采用类似自适应中值的方法进行调整，保守滤波依然可以得到有效处理。

总体而言，自适应中值滤波器在去除椒盐噪声时表现出色，与传统中值滤波器相比，它更擅长保留图像边缘特征，并且提高了处理时间的复杂性。

对于保守滤波而言，效果较弱，因为它仅能处理围内的噪声，无法应对高密度噪音的情况。尽管如此，通过增加半径和采用自适应中值技术，其性能可以显著提升。