什么是 alpha 修剪均值滤波器？
What is aplha-trimmed mean filter?
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 修剪均值滤波器混合了均值和中值滤波器。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？
正如您所说，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得相当好。
这是一种尝试将均值滤波器的属性与中值滤波器的属性相结合的算法方法。它有一个名为 P 的参数，它确定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。
当你的图像有高斯噪声 + 异常值噪声（椒盐噪声）时，你可以使用中值滤波器去除高斯噪声，然后使用中值滤波器/min filter/max 滤波器去除离群噪声。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 均值过滤器，它首先应用 中值过滤器。 select 计算中位数 window 而不是单个值（以中位数为中心的特定 window），然后对该部分进行 均值过滤 .如果你的中位数 window 很小，它看起来只是一个简单的中位数。
5 * 5 window，将其放入大小为 25 的数组中。如果仅应用中位数，您将仅 select 中点，但我们在这里所做的是围绕中点 select a window（数组中心的5个元素为中点）并对window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，取window大小，因为均值滤波会变高，我们增加均值滤波效果。
如果我们增加P，取window大小，均值滤波会在此基础上减少，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周围取 window值，我们对其应用均值过滤器 window。
基本上，均值滤波器 window 大小取决于 p 当我们增加 p 时，window 大小将减小，因此均值滤波器效果将降低，反之亦然
考虑以下 window 尺寸
| 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位数 window。然后我们根据p-value对像素点进行排序，我们的值从window的均值变为window的中值（16.8 to 19.0）
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 修剪均值滤波器混合了均值和中值滤波器。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？
正如您所说，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得相当好。
这是一种尝试将均值滤波器的属性与中值滤波器的属性相结合的算法方法。它有一个名为 P 的参数，它确定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。
当你的图像有高斯噪声 + 异常值噪声（椒盐噪声）时，你可以使用中值滤波器去除高斯噪声，然后使用中值滤波器/min filter/max 滤波器去除离群噪声。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 均值过滤器，它首先应用 中值过滤器。 select 计算中位数 window 而不是单个值（以中位数为中心的特定 window），然后对该部分进行 均值过滤 .如果你的中位数 window 很小，它看起来只是一个简单的中位数。 5 * 5 window，将其放入大小为 25 的数组中。如果仅应用中位数，您将仅 select 中点，但我们在这里所做的是围绕中点 select a window（数组中心的5个元素为中点）并对window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，取window大小，因为均值滤波会变高，我们增加均值滤波效果。 如果我们增加P，取window大小，均值滤波会在此基础上减少，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周围取 window值，我们对其应用均值过滤器 window。 基本上，均值滤波器 window 大小取决于 p 当我们增加 p 时，window 大小将减小，因此均值滤波器效果将降低，反之亦然
考虑以下 window 尺寸
| 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位数 window。然后我们根据p-value对像素点进行排序，我们的值从window的均值变为window的中值（16.8 to 19.0）