这两个滤波器是经典的matlab数字图像处理书中提到的算法之一。自适应中值滤波器需要一个矩形的窗口，其大小会在滤波处理过程中进行调整。滤波器的输出是一个像素值，用于替换中心位置的像素值。
根据自适应中值滤波器的原理，如果在A过程中得到的中值不满足条件，则需要增大滤波器的窗口尺寸，在更大的范围内寻找非噪声点的中值。噪声的出现概率较低时，自适应中值滤波器可较快得出结果；噪声概率较高时，则需要增大滤波器的窗口尺寸，符合中值滤波器的特点。
自适应中值滤波器的效果较好，不需要增加窗口尺寸。相比常规中值滤波器，它能更好地保护图像的边缘细节，但时间复杂度较高。
自适应中值滤波原理的核心部分在于确定当前窗口内的中值Zmed，并判断Zmed是否是噪声。如果Zmin < Zmed < Zmax，则中值Zmed不是噪声，转到过程B。在B测试中，若Zxy不是噪声，则滤波器输出Zxy；若Zxy是噪声，则输出中值Zmed。
一种扩展算法为保守滤波，其基本原理是找到像素窗口周围的最小和最大强度值。如果中心像素的强度在邻域强度范围内，则保持不变；否则，中心像素的强度将被设为最大或最小强度值。相比自适应中值滤波，保守滤波不包含中心像素本身的领域，并非用中值代替原始像素。
通过对比自适应中值滤波和保守滤波的效果，自适应中值滤波在去除椒盐噪音的效果非常好，基本复现了原图。保守滤波目前只实现了3*3的版本，对于噪音比较集中的地方暂时无法去除，但可通过扩大半径和类似使用自适应中值的方式处理。
总体来说，自适应中值滤波器在去除椒盐噪音方面表现良好，不同于常规中值滤波器，它能更好地保护图像中的边缘细节，但增加了算法的时间复杂度。
对于保守滤波，其应用效果相对有限，由于目前实现的是3*3的版本，无法处理噪音比较集中的区域。然而，其特点可以通过扩大半径和使用类似自适应中值的方式进行改进。
