分类

← View All Tools

中值滤波器

应用中值滤波器去除噪点同时保持边缘，提供多种算法

Click to upload file or drag and drop file here

Maximum file size: 20MB Supported formats: image/jpeg, image/png, image/webp, image/gif, image/bmp, image/tiff

上传任何图片文件（JPEG、PNG、WebP、GIF、BMP、TIFF）来去除噪点同时保持边缘

选择中值滤波算法。标准算法适用于大多数噪点类型

3 3 25

中值滤波器核的大小（必须为奇数）。更大的核去除更多噪点但可能模糊细节

中值滤波器处理次数。更多迭代 = 更强的降噪

0 30 255

噪点检测的敏感度。更高值过滤得较不激进

在去除噪点时保持边缘细节

选择要处理的颜色通道

选择输出格式或保持原格式。推荐PNG以获得最佳质量

有损格式（JPEG、WebP）的输出质量。越高 = 质量越好但文件越大

关键信息

分类
Design
输入类型
file, select, range, number, checkbox
输出类型
file
样本覆盖
4
支持 API
Yes

概览

中值滤波器是一款专业的图像处理工具，通过先进的算法有效去除图片中的椒盐噪点和斑点，同时精准保留图像的边缘细节，是提升照片画质与修复受损图像的理想选择。

适用场景

  • •去除扫描件或老照片中常见的椒盐噪点。
  • •在保留物体轮廓的前提下，平滑图像中的随机斑点。
  • •对图像进行降噪处理，以优化后续的图像识别或视觉分析效果。

工作原理

  • •上传您的图片文件，支持 JPEG、PNG、WebP 等多种主流格式。
  • •选择适合的算法（如标准、自适应或双边中值），并根据需要调整核大小与迭代次数。
  • •开启“保持边缘”选项以确保图像细节不被过度平滑。
  • •点击处理并下载优化后的高质量图片。

使用场景

修复老照片：去除因年代久远产生的颗粒感和斑点。
优化扫描文档：消除扫描过程中产生的杂色噪点，提升文字清晰度。
数字艺术创作：在保持线条锐利的前提下，平滑数码绘画中的色彩噪点。

用户案例

1. 老照片修复

摄影爱好者
背景原因
扫描了一张 90 年代的旧照片，画面中布满了细小的椒盐噪点，影响观感。
解决问题
需要去除噪点，同时不能让人物的面部轮廓变得模糊。
如何使用
上传照片，选择“双边中值”算法，核大小设为 3，并勾选“保持边缘”。
示例配置
algorithm: bilateral, kernelSize: 3, preserveEdges: true
效果
噪点被成功滤除，人物面部轮廓依然清晰锐利。

2. 扫描件降噪

办公文员
背景原因
一份重要的纸质合同扫描件背景杂乱，存在大量随机噪点，导致 OCR 识别率低。
解决问题
需要快速平滑背景，提升文字对比度。
如何使用
上传扫描件，选择“标准中值”算法，设置迭代次数为 2，输出格式选为 PNG。
示例配置
algorithm: standard, iterations: 2, format: png
效果
背景噪点显著减少，文字边缘更加干净，OCR 识别准确率大幅提升。

用 Samples 测试

image, png, jpg
Web Python 图像处理示例
Web Python 图像处理示例，使用 PIL/Pillow 包括读取、保存、缩放和格式转换
preferred input family image
image
Web TypeScript 图像处理示例
Web TypeScript 图像处理示例，包括图像读取保存、缩放和格式转换
preferred input family image
image
Windows C++ 图像处理示例
Windows C++ 图像处理示例，包括读取/保存图像、调整大小和使用Windows Imaging Component进行格式转换
preferred input family image
image
Web Rust 图像处理示例
Web Rust 图像处理示例，包括图像读取保存、缩放和格式转换
preferred input family image
image

相关专题

ImageConvert工具专题
探索 100 个围绕 image 的 convert 工作流工具，快速找到相近能力。
VideoConvert工具专题
探索 36 个围绕 video 的 convert 工作流工具，快速找到相近能力。
Image 工具专题
探索 40 个围绕 image 的 utility 工作流工具，快速找到相近能力。
Video 工具专题
探索 16 个围绕 video 的 utility 工作流工具，快速找到相近能力。

常见问题

什么是中值滤波？

中值滤波是一种非线性数字滤波技术，通过用像素邻域内的中值替换中心像素，从而有效消除孤立的噪点。

核大小（Kernel Size）应该如何设置？

核大小决定了滤波的范围。较大的核能去除更多噪点，但可能导致图像细节模糊；较小的核则能更好地保留细节。

为什么推荐使用双边中值算法？

双边中值算法在降噪的同时，会考虑像素间的空间距离和亮度差异，能更出色地保持图像的边缘轮廓。

处理后的图片格式可以更改吗？

可以，您可以在输出设置中选择保持原格式，或将其转换为 PNG、JPEG 或 WebP 格式。

该工具支持批量处理吗？

目前该工具支持单次上传一张图片进行精细化处理，以确保每张图片都能获得最佳的降噪效果。

API 文档

请求端点

POST /zh/api/tools/image-median-pass

请求参数

参数名 类型 必填 描述
imageFile file (需要先上传) 是 上传任何图片文件（JPEG、PNG、WebP、GIF、BMP、TIFF）来去除噪点同时保持边缘
algorithm select 否 选择中值滤波算法。标准算法适用于大多数噪点类型
kernelSize range 否 中值滤波器核的大小（必须为奇数）。更大的核去除更多噪点但可能模糊细节
iterations number 否 中值滤波器处理次数。更多迭代 = 更强的降噪
threshold range 否 噪点检测的敏感度。更高值过滤得较不激进
preserveEdges checkbox 否 在去除噪点时保持边缘细节
channels select 否 选择要处理的颜色通道
format select 否 选择输出格式或保持原格式。推荐PNG以获得最佳质量
quality number 否 有损格式（JPEG、WebP）的输出质量。越高 = 质量越好但文件越大

文件类型参数需要先通过 POST /upload/image-median-pass 上传获取 filePath，然后将 filePath 传递给对应的文件字段。

响应格式

{
  "filePath": "/public/processing/randomid.ext",
  "fileName": "output.ext",
  "contentType": "application/octet-stream",
  "size": 1024,
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
文件: 文件

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中： 

{
  "mcpServers": {
    "elysiatools-image-median-pass": {
      "name": "image-median-pass",
      "description": "应用中值滤波器去除噪点同时保持边缘，提供多种算法",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=image-median-pass",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

支持 URL 文件链接或 Base64 编码作为文件参数。

如果遇见问题，请联系我们：[email protected]