scipy.ndimage.median_filter偶数尺寸的工作原理探究

核心规则 #

scipy.ndimage.median_filter 处理偶数尺寸窗口时，遵循两个关键逻辑：

• 窗口范围与锚点：默认以输出位置为窗口的右下角，各维度上窗口覆盖从 当前索引 - (size-1) 到 当前索引 的区域，超出数组边界的部分按指定 mode 填充（如示例中constant模式用cval=0补0）。
• 偶数元素的中位数选取：当窗口内元素总数为偶数时，取排序后数组的第 n//2 个元素（0-based 索引），即上中位数（例如4个元素时取排序后的第3个元素，1-based计数）。

2D 示例验证 #

以你提供的测试数组为例：

arr = np.array([[1., 2., 3.], [4., 5., 6.], [7., 8., 9.]])

当size=2时，针对原数组右下角的9（索引(2,2)）：

1. 窗口覆盖元素：(1,1)=5、(1,2)=6、(2,1)=8、(2,2)=9
2. 排序后数组：[5,6,8,9]
3. 取0-based索引4//2=2对应的元素8，与输出结果完全匹配。

再验证左上角的(0,0)位置：

1. 窗口覆盖元素：边界填充的3个0 + 原数组的1
2. 排序后数组：[0,0,0,1]
3. 取索引2对应的元素0，与输出一致。

1D 示例的“巧合”原因 #

你观察到1维下偶数尺寸与对应奇数尺寸结果一致，是递增数组特性+中位数规则共同作用的巧合：

• size=2时，每个输出位置的窗口包含当前元素与前一个元素，排序后取索引1（2//2=1）的元素（即较大的那个），恰好等于当前元素，因此输出与size=1的结果一致。
• size=4时，窗口包含前3个元素与当前元素（边界补0），对于递增数组，排序后取索引2（4//2=2）的元素，恰好和size=3时取中间元素的结果重合。

实际使用的表现 #

偶数尺寸的median_filter能有效模糊图像且难以察觉偏移，是因为窗口的右下角锚点带来的微小偏移在视觉上不明显，同时中位数滤波的固有特性保证了降噪、模糊效果的稳定性。

内容的提问来源于stack exchange，提问作者Mariia Tkachenko