图像分割的经典算法，LBF算法（局部二元拟合），matlab平台实现

利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理, 程序能够运行出正确的结果，希望对各位有帮助。

VivaGraphJS 是一个 JavaScript 库，用来在网页上进行图形绘制。旨在扩展和支持不同的渲染引擎和布局算法，当前支持通过 SVG 和 CSS 进行图形渲染。

资源描述 Retinex理论始于Land和McCann于20世纪60年代作出的一系列贡献,其基本思想是人感知到某点的颜色和亮度并不仅仅取决于该点进入人眼的绝对光线，还和其周围的颜色和亮度有关。Retinex这个词是由视网膜(Retina)和大脑皮层(Cortex)两个词组合构成的.Land之所以设计这个词，是为了表明他不清楚视觉系统的特性究竟取决于此两个生理结构中的哪一个，抑或是与两者都有关系。

int main() {  char infilename[20];  char outfilename[20];  printf("请输入图像文件名： ");  scanf("%s",infilename);  if( ReadInfo(infilename) )  {   if(Histogram())   {    printf("请输入输出图像名，以.bmp结束 ");    scanf("%s",outfilename);    WriteToFile(outfilename);   }  }  else  {   printf("读取文件出错 ");   return 0;  }  return 1; }  

OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。该库也有大量的Python, Java and MATLAB/OCTAVE (版本2.5)的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#,Ch, Ruby的支持。本代码主要是展示，cvmat的一些基本操作。希望可以帮到大家。

目前解决去噪问题，最优的一种方法之一，BM3D，三维块匹配(BM3D)算法：它首先把图像分成一定大小的块，根据图像块之间的相似性，把具有相似结构的二维图像块组合在一起形成三维数组，然后用联合滤波的方法对这些三维数组进行处理，最后，通过逆变换，把处理后的结果返回到原图像中，从而得到去噪后的图像。该方法确实有效，它不仅有一个较高的信噪比，而且视觉效果也很好。

同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法，它依靠图像的照度/ 反射率模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像的质量。使用这种方法可以使图像处理符合人眼对于亮度响应的非线性特性，避免了直接对图像进行傅立叶变换处理的失真。同态滤波的基本原理是：将像元灰度值看作是照度和反射率两个组份的产物。由于照度相对变化很小，可以看作是图像的低频成份，而反射率则是高频成份。通过分别处理照度和反射率对像元灰度值的影响，达到揭示阴影区细节特征的目的。

对图像进行对数、指数灰度变换。对数变换扩展了低灰度区，压缩了高灰度区，能使低灰度区的图像较清晰地显示出来。而指数变换一般用于对图像的高灰度区给予较大扩展。源码包中给出了源码和要处理的图片，1、4两张分别为过亮过暗的图，经过相应变换都能得到较好的效果。

采用多个结构元素对图像进行开、闭、腐蚀、膨胀等操作，并进行了高帽变换、提取边界线、获取梯度、开重建等操作。

  算法分两步，首先生成直方图，记录下每个灰度值的像素点个数； pg为存放直方图数据的数组，pg[i]为灰度为i的像素点个数，    ps: ——为全部灰度的一阶矩     ——为全部灰度的零阶矩，即全部像素个数 假定阈值为j，对阈值小于j