滑动中值滤波算法详解

1、什么是滑动中值滤波滑动中值滤波Moving Median Filter属于非线性滤波非常适合去除信号里的脉冲噪声、尖峰毛刺、跳变干扰广泛用于传感器数据、嵌入式 ADC 采样、图像去噪。核心思想设置一个固定大小的滑动窗口窗口沿着数据序列一步步向后滑动把窗口内所有数据排序取中位数作为当前点输出值。和均值滤波区别均值滤波窗口取平均值容易被异常大 / 小尖峰带偏会抹平边缘突变中值滤波取中位数对孤立尖峰噪声免疫保留信号阶跃边沿2、原理举例假设原始采样序列[12, 13, 15, 120, 14, 11, 13]窗口大小 window_size 3奇数最常用窗口 1[12,13,15] → 排序 [12,13,15] → 中位数 13窗口 2[13,15,120] → 排序 [13,15,120] → 中位数 15120 尖峰直接被过滤掉窗口 3[15,120,14] → 排序 [14,15,120] → 中位数 15窗口 4[120,14,11] → 排序 [11,14,120] → 中位数 14窗口 5[14,11,13] → 排序 [11,13,14] → 中位数 13输出结果[13,15,15,14,13]可以看到 120 这个突变噪声直接消除没有被平均稀释。⚠窗口一般选奇数3、5、7。偶数窗口需要取中间两数平均工程很少用。边界处理重点原始信号开头、结尾窗口不够数据截断模式最简单嵌入式用舍弃前后 (win‑size‑1)/2 个点输出变短复制填充复制第一个 / 最后一个值补齐窗口镜像填充镜像复制边界数据图像常用嵌入式单片机一般用截断模式。3、优缺点✅优点抑制脉冲尖峰、跳变噪声效果极强传感器跳变毛刺首选保留阶跃、突变边沿不会像均值滤波把跳变磨圆滑逻辑简单适合 STM32、ESP32 等嵌入式设备❌缺点对高斯白噪声抑制不如均值滤波窗口越大信号相位滞后延迟越大窗口 N会带来 (N‑1)/2 个采样点延迟需要排序窗口大的时候 CPU 开销上升会把信号本身短暂真实尖峰一并滤掉容易误删真实突变工程权衡窗口不要盲目开大一般传感器优先窗口 3/5。4、滑动实现两种思路方式 A每次窗口全部重新排序简单小窗口首选窗口 3/5每次滑动取出窗口内全部数据sort 排序取中值。代码最简单嵌入式小窗口完全够用。方式 B滑动窗口维护有序队列高效大窗口窗口向右滑动删掉离开窗口的旧元素插入新进来的元素维持有序列表直接取中间索引避免每次完整排序。适合窗口 7 以上减少排序计算量。5、Python 示例代码简单重排版6、C 语言极简嵌入式版本STM32 / 单片机可用窗口 5#include stdio.h#include stdlib.h#define WINDOW 5#define HALF_WIN (WINDOW/2)// 简单冒泡排序static void sort_buf(int *buf, int n){for(int i0;in;i){for(int j0;jn-1-i;j){if(buf[j]buf[j1]){int tbuf[j];buf[j]buf[j1];buf[j1]t;}}}}//输入原始数组输出滤波数组void moving_median_filter(int *in, int *out, int len){int window[WINDOW];int out_idx 0;// 边界截断跳过开头HALF_WIN个点for(int iHALF_WIN; i len-HALF_WIN; i){for(int k0;kWINDOW;k){window[k] in[i - HALF_WIN k];}sort_buf(window, WINDOW);out[out_idx] window[HALF_WIN];}}int main(void){int raw[]{12,13,15,120,14,11,13,14,16};int res[10]{0};moving_median_filter(raw,res,9);return 0;}单片机注意窗口越大排序耗时越高ADC 实时采样优先用窗口 3。7、工程实操要点窗口选择偶尔尖峰毛刺窗口 3噪声频繁跳变窗口 5尽量避免 7延迟大CPU 负担重与均值滤波组合先中值去尖峰再均值平滑白噪声传感器常用组合滤波。延迟问题滑动中值会带来时间滞后做闭环控制时滞后会影响控制稳定性控制场景谨慎开大窗口。注意区分中值滤波抑制脉冲噪声均值滤波抑制高斯噪声