Jerman增强滤波器 可行

用DWT实现二维小波变换,调原始图像矩阵后进行二维小波分解，重构源图像及结果显示(Wavelet transform in 2-D dimentation)

说明：  图像增强的目标是改进图片的质量，例如增加对比度，去掉模糊和噪声，修正几何畸变等；图像复原是在假定已知模糊或噪声的模型时，试图估计原图像的一种技术。 图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。 (A sharp and clear image is not directly produced from the optics, however, digital signal processing applied to the sampled image produces a sharp and clear final image that is also insensitive to misfocus related aberrations. This paper gives an overview of Wavefront Coding and example images related to the two applications of machine vision/label reading and biometric imaging. Design techniques of Wavefront Coding are unique from that of traditional imaging system design since both the optics and digital processing characteristics of the system are jointly optimized for optimum system performance.)

通过对图像加燥，运用叠加运算对加燥后的图像进行去燥处理(Removal of Gauss noise by addition operation)

对图像添加各种噪声 高斯噪声 淑盐噪声(Add a variety of image noise, Gaussian noise, noise, salt-sook)

线性CCD大津动态自适应阈值二值化源程序(Linear CCD dynamic adaptive threshold binarization dajin source program)

说明：  均值漂移聚类的源程序,用mean shift 进行聚类，以及绘图显示，很有价值(mean shift based clustering code, using matlab)

说明：  《视觉SLAM十四讲》高翔，完整版，前10章。对视觉定位，机器学习，深度学习有很大帮助(Gao Xiang, the complete version of vision slam 14 lectures, is very helpful for vision positioning, machine learning and deep learning)

说明：  实现 %1、利用RGB模型识别天空区域；2、利用边缘识别检测天空边缘分割线；3、利用预测边缘点和实际边缘点的周围区域的均值滤波与本边缘点下方的像素之间的差异大小来修正天空边缘分割线 %4、将sky_seg+depthmap_v2中多余的带注释的地方删掉了 %！！！记得在295行，一定要改动是用I6还是I7，如果用sky_initia(f = edge(double(BW),'canny',thresh,sigma);)

纯MATLAB代码，不需要在使用SIFTWIN32可以直接运行的代码(100 code of MATLAB,u neednot SIFTWIN32 desinge the map)

稀疏矩阵字典的优化KSVD，本人已进行测试，效果甚佳,可以用在图像，数据的压缩和分类(Sparse dictionary optimization KSVD, I have been tested, very good results)