爱华网无论是直接获取的灰度图像，还是由彩色图像转换得到的灰度图像，里面都有噪声的存在，噪声对图像质量有很大的影响。进行中值滤波不仅可以去除孤点噪声，而且可以保持图像的边缘特性，不会使图像产生显著的模糊，比较适合于实验中的人脸图像。
中值滤波是一种非线性的信号处理方法，因此中值滤波器也就是一种非线性的滤波器。在一定条件下，其可以克服线性滤波器处理图像细节模糊的问题，而且它对滤除脉冲干扰和图像扫描噪声非常有效，但是，对点、线、尖顶等细节较多的图像，则会引起图像信息的丢失。中值滤波器最先被应用于一维信号的处理中，后来被人们引用到二维图像的处理中来。
中值滤波的基本思想是，把局部区域的像素按灰度等级进行排序，取该领域中灰度的中值作为当前像素的灰度值。
中值滤波的步骤为：
1、将滤波模板（含有若干个点的滑动窗口）在图像中漫游，并将模板中心与图中某个像素位置重合；
2、读取模板中各对应像素的灰度值；
3、将这些灰度值从小到大排列；
4、取这一列数据的中间数据，将其赋给对应模板中心位置的像素。如果窗口中有奇数个元素，中值取元素按灰度值大小排序后的中间元素灰度值。如果窗口中有偶数个元素，中值取元素按灰度值大小排序后，中间两个元素灰度的平均值。因为图像为二维信号，中值滤波的窗口形状和尺寸对滤波器效果影响很大，不同图像内容和不同应用要求往往选用不同的窗口形状和尺寸。
由以上步骤，可以看出，中值滤波对孤立的噪声像素即椒盐噪声、脉冲噪声具有良好的滤波效果。由于其并不是简单的取均值，所以，它产生的模糊也就相对比较少。
I =im2double(imread('E:/0.jpg'));
I = rgb2gray(I);
I1 = imnoise(I,'salt &pepper');
I2 = medfilt2(I1);
I3 = imnoise(I,'gaussian');
I4 = medfilt2(I3);
subplot(2,2,1),imshow(I1);
subplot(2,2,2),imshow(I2);
subplot(2,2,3),imshow(I3);
subplot(2,2,4),imshow(I4);
