以下是中值滤波法的算法流程图（框图），适用于信号或图像处理中的噪声抑制场景（如去除脉冲噪声、椒盐噪声）：

graph TD
    A[开始] --> B[输入原始信号/图像]
    B --> C[设置滑动窗口尺寸 N×N<br>（如 3x3, 5x5）]
    C --> D[从左上角开始滑动窗口]
    D --> E[提取窗口内所有像素值]
    E --> F[将像素值按大小排序]
    F --> G[取排序后的中间值<br>（中位数）]
    G --> H[用中位数替换窗口中心像素值]
    H --> I[窗口向右滑动一列]
    I --> J{是否到达右边界？}
    J -->|否| I
    J -->|是| K[窗口向下滑动一行<br>并回到左边界]
    K --> L{是否到达下边界？}
    L -->|否| D
    L -->|是| M[输出滤波后信号/图像]
    M --> N[结束]

关键步骤说明：

1. 滑动窗口
   • 定义一个大小为奇数的邻域窗口（如 3×3、5×5）。
2. 邻域采样
   • 在原始数据上逐像素移动窗口，提取窗口内所有值。
3. 排序取中值
   • 将窗口内数据从小到大排序，取中间位置的值作为新中心值。
   • 例如：[15, 20, 25, 100, 10] → 排序后 [10, 15, 20, 25, 100] → 中值 = 20。
4. 边界处理
   • 常见策略：镜像填充、边缘复制或忽略边界。

示意图（文本简化版）：

+-----------------------+
| 原始输入              |
| [带噪声的信号/图像]   |
+----------+------------+
           |
           v
+----------+------------+
| 滑动窗口遍历          |
| （逐像素移动）        |
+----------+------------+
           |
           v
+----------+------------+
| 提取窗口内像素值      | --> 排序 --> 取中值
+----------+------------+
           |
           v
+----------+------------+
| 替换中心像素          |
+----------+------------+
           |
           v
+----------+------------+
| 输出滤波结果          |
| [平滑后的信号/图像]   |
+-----------------------+

特点：

• 优点：有效去除椒盐噪声，保留边缘锐度。
• 缺点：大窗口可能导致细节模糊，排序计算量较大。
• 适用场景：图像去噪、传感器信号平滑、实时性要求不高的场景。

如需实际代码实现（Python/Matlab/C++）或不同边界处理策略的详解，可进一步说明！