基于引导滤波的图像增强算法

白平衡论文及程序和实验图片,非常好，值得下载(White papers and procedures and experimental images, very good, worth downloading)

基于马尔科夫随机场的，例子学习超分辨率复原代码。(This is an implementation of the example-based super-resolution algorithm. Although the applications of MSFs have now extended beyond example-based super resolution and texture synthesis, it is still of great value to revisit this problem, especially to share the source code and examplar images with the research community. We hope that this software package can help to understand Markov random fields for low-level vision, and to create benchmark for super-resolution algorithms.)

在idl环境下，用最佳指数法对高光谱图像进行波段选择的程序(OIF)

说明：  自己编写的图像腐蚀与膨胀matlab代码，经试验证明与matlab中自带的腐蚀和膨胀函数运行效果相同，可供初学图像处理的同学参考使用。(The image corrosion and expansion matlab code written by myself has been proved to be the same as the corrosion and expansion function of the matlab. It can be used by students who are ready for beginner image processing.)

说明：  给定两张图片，利用ssim来计算两张图片他们之间的ssim相似度(compute ssim between two images)

图像处理技术边缘检测源码Source image processing edge detection(Image processing edge detection source Source image processing edge detection)

该函数可接受输入图像和一个滤波函数，可处理所有的滤波细节并输出经滤波和剪切的图像。(Performs frequency domian filterlying.)

信号压缩传感的实现(正交匹配追踪法Orthogonal Matching Pursuit)(The realization of signal compression sensing)

可以动态调节运行环境的参数，重要参数的提取，利用自然梯度算法。( Can dynamically adjust the parameters of the operating environment, Extract important parameters, Use of natural gradient algorithm.)

使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。()