图2：demo-juzhilvbo实现效果图    图3：demo-junzhilvbo2实现效果图

    从图2，图3可以看出它还是具有一定的去噪效果的，但比较模糊（如模糊了边缘），因此不适宜高分辨率的要求。

2。1。2 中值滤波

    中值滤波和均值滤波从思路上大体来说，是一致统一的，最大的区别是把取窗口的均值变为了取中值（中值就是把一组数按照从小到大的顺序排列起来，最中间的那个值）。此时选用的窗口尺寸为3*3。

图4：demo-zhongzhilvbo2实现效果图

    中值滤波算法具有一定的去噪效果，同样的，它会造成图像模糊，容易丢失图像某些细小的线性特征，失真度较大。

2。1。3维纳滤波

    从百度百科对维纳滤波器的注解来看，可以知道维纳滤波器的设计出发点是让它的均方误差最小，平稳过程最适合用该线性滤波器来处理，因此对于提取被平稳噪声所污染的信号卓有成效。 

demo-weina实现效果图

    从图5能清楚看到，维纳滤波器去噪（滤波）效果较差，也不难理解，相干斑噪声有自己的统计特性，这幅图并不服从平稳噪声，因此我们知道对于具有不同特性的噪声我们应该选择适合它性质的滤波器（俗话说对症下药）。

    上面三种非自适应的滤波算法，由于整体效果不佳（虽然计算简单，在均匀区域去噪还不错），因此在实际中很少使用。

2。2 去除乘性相干斑的空间域滤波算法

 在这一章中，我们不再把图像进行对数变换（目的是使用加性去噪方法）了，而是直接把相干斑噪声看做乘性噪声来进行空间域处理，lee等人在这一领域做出了巨大的贡献。后来的学者，在前人的基础上，产生了很多经典的，行之有效的去除相干斑噪声的空域方法。  来,自,优.尔:论;文*网www.youerw.com +QQ752018766-

2。2。1 lee滤波算法

    该算法是lee[4]等人在1980年提出的，是最早进行推广，被大家所熟知的空域自适应算法。Lee滤波方法假设相干斑是完全发展的[5][6]，乘性模型。Lee滤波器[7]是基于最小均方误差准则（MMSE）的，它通过计算窗口（局部）的均值和方差来获得所需的先验知识。它的特点如下：在灰度值比较均匀的区域（同质区域），强度值近似于取平均值（低通滤波）；Lee算法在灰度值波动强烈的区域，趋向于保持强度值不变（保留边缘）。在这一基础上，还原图像的lee算法的优点是计算量小，速率快。但也有窗口尺寸选择困难的缺点。