我理解均值滤波器，它取内核像素的平均值，我也理解中值滤波器，它取内核像素的中值(对所有值进行排序并取内核的中间值)。
Alpah 修剪均值滤波器提供均值和中值滤波器的混合。输出是
我不明白这个过滤器是怎么回事。谁能解释清楚这个过滤器？
最佳答案
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离群噪声的情况下表现相当好。
这是一种算法方法，试图将均值滤波器的属性与中值滤波器的属性结合起来。它有一个名为 P 的参数，用于确定要应用多少均值滤波器和多少中值滤波器。
尝试使用 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 + 离群噪声(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/最大滤波器去除离群噪声。但在这种方法中，我们需要进行更多的内核处理，因此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 均值过滤器，它首先应用中值过滤器。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，它看起来就像一个简单的中值。 5 * 5 窗口，把它放在一个大小为 25 的数组中。如果你只应用中位数，你将只选择中点，但这里我们在这里做的是围绕中点我们选择一个窗口(数组中心的 5 个元素是中间点)并对窗口应用均值过滤。 通过参数 P，我们可以决定需要应用多少中值和均值滤波器。
如果我们减小P，用于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，取均值滤波的窗口大小将在此基础上减小，我们增加了中值滤波效果。
我们在这里所做的是，首先我们对图像应用中值滤波器并获得中值像素位置，然后我们在中值像素值周围开一个窗口，然后对该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，窗口大小将减小，因此平均滤波器效果将降低，反之亦然
考虑以下窗口大小
| 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
我们所做的第一件事是获得中值窗口。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)
关于python - 什么是 alpha 修剪均值滤波器？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/63948384/