基于暗通道的图像去雾处理

ScienceSlides是非常方便快捷小巧的ppt插图软件，里边包含了大量的专业素材，比如神经元，细胞，人体结构，DNA等等，而且都是彩色的，具有很好的视觉效果。

包括均值滤波，中值滤波，低通滤波。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。

我试着解决 http://imageprocessingplace.com/ 的第 5 章第四 quastions 参数化的维纳滤波（a） 实现在模糊式过滤器 (5.6-11)。（b） 模糊图像 5.26(a) 在 + 45-度方向使用 T = 1，如图 5.26(b) 所示。（c） 添加高斯噪声的 0 均值和方差的 10 个像素的模糊图像。（d） 还原图像使用式 (5.8-3) 给出的维纳滤波器参数。

稀疏度自适应(SAMP)信号重构算法在源信号稀疏度未知的情况下能够较为精确的恢复源信号，并且该算法的复杂度不高，能够很好的适应于压缩感知中对一维和二维信号的恢复，是贪婪类算法中比较新的一种算法。 本代码将原图像lena在离散余弦稀疏基下稀疏表示，测量矩阵选取高斯随机矩阵，用SAMP算法对原图像进行重构。  

很多

图象在传输和转换过程中，一般情况下质量都要降低，除了加入了噪声的因素之外，图象还要变得模糊一些。这主要因为图象的传输或转换系统的传递函数对高频成分的衰减作用，造成图象的细节和轮廓不清晰。图象锐化就是加强图象中景物的细节和轮廓，使图象变得较清晰。在数字图象中，细节和轮廓就是灰度突变的地方。我们知道，灰度突变在频城中代表了一种高频分量，如果使图象信号经历一个使高频分量得以加强的滤波器，就可以达到减少图象中的模糊，加强图象的细节和轮廓的目的。可以看出，锐化恰好是一个与平滑相反的过程。我们使用对象素及其邻域进行加权平均，也就是用积分的方法实现了图象的平滑；反过来，应当可以利用微分来锐化一个图象。

应用背景Mean shift作为一种有效地特征空间分析方法，在图像滤波，图像分割，物体跟踪等方面都有广泛的应用。OpenCV分别实现了mean shift用来做跟踪、分割和滤波的函数。关键技术OpenCV分别实现了mean shift用来做跟踪、分割和滤波的函数。 其中滤波的c++函数原型为： void pyrMeanShiftFiltering(InputArray src, OutputArray dst, double sp, double sr, intmaxLevel=1, TermCriteria termcrit=TermCriteria( TermCriteria::MAX_ITER+TermCriteria::EPS,5,1) ) src和dst分别为输入和输出图像，8 bit,3 channel,sp和sr为空间域和颜色域的半径，maxLevel为分割用金字塔的最大层数，termcrit为迭代的终止条件。、 分割的函数原型为： void gpu::meanShiftSegmentation(const GpuMat& src, Mat& dst, int sp, int sr, int minsize, TermCriteria criteria=TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1)) 大部分参数与pyrMeanShiftFiltering相同，minsize为最小的分割区域大小，小于这个大小的区域会被合并。 OpenCV sample里用pyrMeanSh

FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分

随机森林算法，通过windows预编译的MATLAB版本工具箱，可以实现机器学习相关应用，很有价值的！

在视频或者图像配准处理中，错误的匹配往往影响正确的结果，因此剔除无匹配可以提高处理精度。通过MSE剔除错误和不精确的匹配，得到满足要求的精确的正确匹配结果，利用匹配对可以进行后续处理。