给我一个matlab的加权中值滤波算法，要求能够稳定运用，并且算上权值要求比传统中值滤波算法去椒盐噪声效果好

下面是一个基于加权中值滤波的MATLAB代码，它可以有效去除椒盐噪声。该算法采用了一个类似于均值滤波的窗口，但是在计算中值时，考虑了像素的权重。

function output = wmf(input,win_size,w)
% Input:
% input: 输入图像
% win_size: 滤波窗口大小
% w: 权重矩阵
% Output:
% output: 输出图像

output = zeros(size(input));  % 初始化输出图像
pad_size = floor(win_size/2); % 计算padding的大小
padded_image = padarray(input,[pad_size,pad_size],'replicate'); % 执行padding

for i = pad_size+1:size(padded_image,1)-pad_size % 遍历图像
    for j = pad_size+1:size(padded_image,2)-pad_size
        window = padded_image(i-pad_size:i+pad_size,j-pad_size:j+pad_size); % 获取当前像素的滤波窗口
        sorted_window = sort(window(:)); % 将窗口中的像素从小到大排序
        mid = floor(win_size^2/2)+1; % 获取中间位置的像素
        w_sorted = sort(w(:),'descend'); % 将权重按从大到小排序
        cum_sum = cumsum(w_sorted); % 计算权重的累计和
        j = find(cum_sum>=0.5,1); % 找到累计和超过0.5的位置
        output(i-pad_size,j-pad_size) = sorted_window(mid); % 将中值赋给输出图像
    end
end

其中，权重矩阵`w`可以自行设定，需要满足权重矩阵的和为1。一种常用的权重设置方式是高斯加权，即：

[x, y] = meshgrid(-pad_size:pad_size, -pad_size:pad_size);
sigma = 1; % 设置高斯核的标准差
w = exp(-(x.^2+y.^2)/(2*sigma^2));
w = w/sum(w(:)); % 归一化

这里的`sigma`可以根据实际情况进行调整。