1、中值滤波概念
中值滤波是对一个滑动窗口内的诸像素灰度值排序，用其中值代替窗口中心象素的原来灰度值，它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。中值滤波可以过滤尖峰脉冲。目的在于我们对于滤波后的数据更感兴趣。滤波后的数据保留的原图像的变化趋势，同时去除了尖峰脉冲对分析造成的影响。
以一维信号的中值滤波举例。对灰度序列80、120、90、200、100、110、70，如果按大小顺序排列，其结果为70、80、90、1000、110、120、200，其中间位置上的灰度值为100，则该灰度序列的中值即为100。一维信号中值滤波实际上就是用中值代替规定位置（一般指原始信号序列中心位置）的信号值。对前面所举的序列而言，中值滤波的结果是用中值100替代序列80、120、90、200、100、110、70中的信号序列中心位置值200，得到的滤波序列就是80、120、90、100、100、110、70。如果在此序列中200是一个噪声信号，则用此方法即可去除这个噪声点。
二维中值滤波算法是：对于一幅图像的象素矩阵，取以目标象素为中心的一个子矩阵窗口，这个窗口可以是3*3 ，5*5等根据需要选取，对窗口内的象素灰度排序，取中间一个值作为目标象素的新灰度值。窗口示例如ooooxoooo上面x为目标象素，和周围o组成3*3矩阵Array，然后对这9个元素的灰度进行排序，以排序后的中间元素Array[4]为x的新灰度值，如此就完成对象素x的中值滤波，再迭代对其他需要的象素进行滤波即可。图像处理中，中值滤波的实现方法
均值滤波和中值滤波的内容非常基础，均值滤波相当于低通滤波，有将图像模糊化的趋势，对椒盐噪声基本无能为力。中值滤波的优点是可以很好的过滤掉椒盐噪声，缺点是易造成图像的不连续性。在下面的代码中，中值滤波主要通过冒泡算法来实现。
2、3D Slicer中值滤波示例
（1）3D Slicer中值滤波CT图像前后对比结果
左图为原图，右图为中值滤波之后的图像。明显看出左图中的细小点在右图中已经消失，经过中值滤波的图像更加光滑。本图没有进行三维重建，重建后的对比更加明显，中值滤波后的三维图像更加平滑真实。
（a）原图 （b）中值滤波后的图
（2）3D Slicer中值滤波具体步骤
a.在Modules 处选择Filtering——Denosing——Median Image Filtering,即可到滤波窗口界面
b.滤波窗口如下图所示，median image parameters窗口设置参数大小，默认为（1,1,1）；IO栏设置Input Volume和Output Volume；
c．设置好之后点击apply按钮等待运行结束即可,运行过程如图所示。
总结：3D Slicer滤波方法有几种，这里只是用了中值滤波，其他方法类似。中值滤波的优点是可以很好的过滤掉椒盐噪声，缺点是易造成图像的不连续性。本文中用的中值滤波处理后的图像满足个人要求，使用时还需要根据个人需要进行参数等设置。