中值滤波是一种常见的图像处理滤波技术，用于去除图像中的噪声。它的原理是用一个滑动窗口（也称为卷积核）在图像上移动，对窗口中的像素值进行排序，然后用窗口中像素值的中值来替换中心像素的值。这样，中值滤波可以有效地消除图像中的椒盐噪声、激光斑点等离群值。
中值滤波与前面介绍的滤波方式不同，不再采用加权求均值的方式计算滤波结果。它用邻域内所有像素值的中间值来替代当前像素点的像素值。
基本原理
中值滤波会取当前像素点及其周围临近像素点（一共有奇数个像素点）的像素值，将这些像素值排序，然后将位于中间位置的像素值作为当前像素点的像素值。
例如，针对图 7-27 中第 4 行第 4 列的像素点，计算它的中值滤波值。
将其邻域设置为 3×3 大小，对其 3×3 邻域内像素点的像素值进行排序（升序降序均可），
按升序排序后得到序列值为：66,78,90,91,93,94,95,97,101。在该序列中，处于中心位置（也叫中心点或中值点）的值是"93"，因此用该值替换原来的像素值 78，作为当前点的新像素值，
处理结果如图 7-28 所示。
函数语法
在 OpenCV 中，实现中值滤波的函数是 cv2.medianBlur()，其语法格式如下：
dst = cv2.medianBlur( src, ksize)
式中：
dst 是返回值，表示进行中值滤波后得到的处理结果。
src 是需要处理的图像，即源图像 。它能够有任意数量的通道，并能对各个通道独立处
理。图像深度应该是 CV_8U、CV_16U、CV_16S、CV_32F 或者 CV_64F 中的一种。
** ksize 是滤波核的大小。**滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度。
需要注意，核大小必须是比 1 大的奇数，比如 3、5、7 等。
实验:针对噪声图像，对其进行中值滤波，显示滤波的结果
代码如下:
import cv2
o=cv2.imread("lenaNoise.png")
r=cv2.medianBlur(o,3)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()运行结果:
其中左图是原始图像，右图是中值滤波后的处理结果图像。
从图中可以看到，由于没有进行均值处理，中值滤波不存在均值滤波等滤波方式带来的细节模糊问题。
在中值滤波处理中，噪声成分很难被选上，所以可以在几乎不影响原有图像的情况下去除全部噪声。但是由于需要进行排序等操作，中值滤波需要的运算量较大。