主要观点：介绍了中值滤波器（及扩展的百分位数和秩滤波器）的实现方式，包括朴素算法、基于直方图算法、二叉树算法和 O(1)算法，比较了不同算法的时间复杂度和性能。
关键信息：

• 中值滤波器输出像素是其输入图像邻域的中值值，可推广为百分位数滤波器。
• 朴素算法计算中值滤波器需对每个输出像素独立计算邻域中值，排序需 O(n log n)，平均部分排序为 O(n)，对于小核较高效，大核较昂贵。
• 基于直方图算法通过计算待排序值的直方图来高效排序，对于 8 位图像复杂度为 O(k)，适用于任意形状核，对于 16 位图像不太适用。
• 二叉树算法使用二叉搜索树或序统计树来计算中值，插入和删除值复杂度为 O(log n)，对于 k×k 核复杂度为 O(k log k)，需平衡树以减少节点遍历。
• O(1)算法基于 Huang 的直方图算法，为 8 位图像和方形核设计，可扩展到八角形核，但中间内存需求大。
  重要细节：
• scikit-image 和 DIPlib 早期版本使用朴素算法，DIPlib 下一个版本将包含更高效算法。
• 不同算法在不同图像和核大小下的性能表现不同，如 DIPlib 在 11 - 13 像素处切换算法，OpenCV 常数时间算法在 19 像素处生效等。
• 实验比较了不同 Python 库中中值滤波器的计算时间，包括单精度浮点数图像、8 位无符号整数图像和除以 25 的图像。