均值滤波算法的采样次数较小时，平滑度低，但灵敏度高。

**解析：** 均值滤波（Mean Filtering）是一种典型的线性平滑滤波技术，其核心思想是用像素邻域内所有像素值的平均值来代替该像素点的原始值。这里的“采样次数”通常指的是参与计算平均值的邻域像素数量，即滤波核（Kernel）的大小或窗口尺寸。 1. **关于平滑度**： * 当采样次数较小（即滤波窗口较小，如 $3 \times 3$）时，参与平均计算的像素点较少，对噪声的抑制能力相对有限，因此图像的**平滑度较低**（即去噪效果不如大窗口明显）。 * 反之，如果采样次数较大（窗口较大），更多的像素参与平均，噪声被进一步稀释，平滑度会显著提高，但同时也容易导致图像细节模糊。 2. **关于灵敏度**： * “灵敏度”在此处可以理解为滤波器对图像局部灰度变化（如边缘、细节）的保留能力或响应速度。 * 当采样次数较小时，滤波器对局部像素的变化更为敏感，能够较好地保留图像的边缘和细节信息，不会像大窗口滤波那样产生严重的模糊效应。因此，可以说其**灵敏度高**（即对原始图像结构的保真度高，对突变的响应更直接）。 * 若采样次数过大，滤波器会对大范围区域进行强制平均，导致边缘被抹平，对局部细节变化的“灵敏度”降低。 **结论：** 题目所述“均值滤波算法的采样次数较小时，平滑度低，但灵敏度高”符合均值滤波的基本特性。小窗口滤波在去噪（平滑）和保留细节（灵敏度/清晰度）之间取得了偏向于保留细节的平衡。 因此，该说法是**正确**的。