精华内容
下载资源
问答
  • 图像去雾软件.zip

    2019-05-31 20:12:02
    图像去雾软件,使用非常方便,效果非常好!包括可执行文件,双击可直接运行,包括测试图片
  • 图像去雾软件v1.2.0

    2021-06-13 12:08:58
    采用pyqt5+python实现,已经打包成软件,可以进行批量图像去雾处理!!!
  • 图像去雾软件v1.0.rar

    2020-08-19 14:49:17
    采用pyqt5+python实现,已经打包成软件,可以进行批量图像去雾处理!!!内置有软件操作说明书,该软件仅供学习交流使用!!!如有问题,请联系我,说明书内有我的联系方式。
  • 图像去雾软件v1.0

    2020-08-19 14:55:28
    点击图像去雾打开软件: 选择文件目录: 点击去雾处理: 注意:这里提示未响应,不是卡!!!是正常情况! 可以打开openfiles中的Result文件夹查看结果。 如下图所示,完成图像处理! 制作者:陨星落云 QQ:...

    原理:采用暗通道去雾算法,由于编程能力有限,算法处理速度一般。
    注意:添加过多的无人机影像,可能比较耗时。
    在这里插入图片描述
    点击图像去雾打开软件:
    在这里插入图片描述

    选择文件目录:
    在这里插入图片描述
    在这里插入图片描述

    点击去雾处理:
    在这里插入图片描述

    注意:这里提示未响应,不是卡!!!是正常情况!
    可以打开openfiles中的Result文件夹查看结果。
    在这里插入图片描述

    如下图所示,完成图像处理!
    在这里插入图片描述

    制作者:陨星落云
    QQ群:475698394
    微信公众号:测绘科学技术
    在这里插入图片描述软件下载
    https://download.csdn.net/download/qq_28368377/12728133

    展开全文
  • 软件介绍: 图像去雾算法测试工程,点击打开添加图片进行去雾测试,需要的同学可以试一试。
  • 图像去雾MATLAB程序

    2019-04-18 21:10:43
    使用MATLAB软件,将有雾的图像处理成无雾的图像
  • (1)采用直方图均衡化方法增强雾天模糊图像,并比较增强前后的图像和直方图; (2)设计一种图像复原方法,对比该复原图像与原始图像以及直方图均衡化后的图像; (3)有软件界面
  • 该课题为基于MATLAB的图像去雾系统,采用局部直方图,全局直方图,retinex三种算法进行图像去雾。为了让界面更加美观,可以增加GUI人机交互界面,在GUI上显示去雾前后对比图,方法选择按钮,提示信息框,以及评价...
  • 该课题是基于MATLAB平台的图像去雾处理,配备一个人机交互GUI界面,可以选择局部直方图均衡化,全局直方图均衡化,Retinex算法,通过对比处理前后的图像的直方图,而直方图是一副图像各灰度值在0-256的分布个数的表...
  •  实际上很久以前,当我初次接触图像去雾技术时,最先实现的是基于中值滤波的图像去雾,并且也有一定的效果,在我的Imageshop的集成软件中的去雾方案就是这个的实现,不过那个效果没有本文好。 而基于双边滤波的...

    一、前言  

      实际上很久以前,当我初次接触图像去雾技术时,最先实现的是基于中值滤波的图像去雾,并且也有一定的效果,在我的Imageshop的集成软件中的去雾方案就是这个的实现,不过那个效果没有本文好。

         而基于双边滤波的方案,也是很早就听说过,前不久有朋友传给我一篇国内的双边滤波去雾的论文,总体思路和基于中值的类似,想想干脆把这两个放在一起做个比较吧。

    二、算法的流程

         算法的最基础的原理还是基于大气散射模型的,即:

                         

      已知条件就是输入图像I(X),求J(x);

         在参考论文一种单幅图像去雾方法中是通过中值滤波的方式来去雾的,而论文基于双边滤波的实时图像去雾技术研究选用了双边滤波,如果你要实现代码,可能需要两篇论文结合起来看,因为在论文1中的描述没有讲清楚如何通过获得的雾浓度数据来获取无雾的图像。

         简单的来说,算法的流程可描述如下:

      1、定义F(X)=A(1-t(x)),称之为大气光幕或者为雾浓度。

         2、计算,并使用和何博士论文中类似的方式计算全局大气光值A。

         3、计算,即对M(x)进行中值滤波。

         4、计算,注意式子中的绝对值。

         5、计算,式中P为控制去雾程度的因子,取值范围[0,1]。

         6、通过式子获得去雾后的图像。

         上面的很多算式是从不同论文里截图的,因此表达上有些前后不一致,但不影响高手理解其含义。

         如果是采用双边滤波算子,则步骤3和4中的median运算符需修改为bilaterfilter,其他的步骤一样。

      算法的原理我讲不清,反正看的越多越迷糊了。

    三、算法的效果

          算法的效果还是有些意外,有些图获得了相当不错的效果。

         

         

         

         

         

         

               原图                              去雾图                            对应的大气光幕

       这里的大气光幕和何凯明的论文中的透射率图不是同一个概念,因此不具有可比性。

       在大气光幕的公式中,我们看到有全局大气光A的影响,但是上述计算F(X)的过程确没有涉及到A,很是无语啊。

       从效果上看,我所列举的这些例子都还是不错的,特别是第一幅图,用何凯明的暗通道我一直没有调出这种效果。

       上述都是用中值滤波做的效果,在部分图像对应大气光幕图上可以看出,图像的边缘处有一些小圆弧,这些都是矩形半径中值滤波的明显痕迹,而基于双边滤波的我也实践过,并没有像参考论文2说的那样有多少改进,感觉彼此彼此,而且有些图还会出现突变,因此我认为写这些论文纯粹是为了发论文。 

    四、代码实现细节

         在代码实现上,个人感觉没有什么难点,先求暗通道,然后就是几个中值滤波或者是双边滤波,求全局大气光的过程还涉及到最小值滤波,主要的代码如下:

    void _stdcall HazeRemovalBasedOnMedianBlur(unsigned char * Scan0, int Width,int Height,int Stride,int DarkRadius,int MedianRadius,int P)
    {
        int  X, Y, Diff,Min,F;
        unsigned char* Pointer, *DarkP, *FilterP,* FilterPC;
        unsigned char * DarkChannel = (unsigned char*)malloc(Width * Height);
        unsigned char * Filter = (unsigned char*)malloc(Width * Height);
        unsigned char * FilterClone = (unsigned char*)malloc(Width * Height);
    
        for (Y = 0; Y < Height; Y++)
        {
            Pointer = Scan0 + Y * Stride;
            DarkP = DarkChannel + Y * Width;             // 由实际图像计算得到的图像暗通道     
            for (X = 0; X < Width; X++)
            {
                Min = *Pointer;
                if (Min > *(Pointer + 1)) Min = *(Pointer + 1);
                if (Min > *(Pointer + 2)) Min = *(Pointer + 2);
                *DarkP = (unsigned char)Min;
                DarkP++;
                Pointer += 3;
            }
        }
        memcpy(Filter, DarkChannel, Width * Height);                        // 求全局大气光A时会破坏DarkChannel中的数据
    
        MinValue(DarkChannel, Width, Height,Width,DarkRadius);                // 求取暗通道值
    
        // 利用暗通道来估算全局大气光值A
        int Sum, Value,Threshold = 0;
        int SumR = 0, SumG = 0, SumB = 0, AtomR, AtomB, AtomG, Amount = 0;
        int* Histgram = (int*)calloc(256 , sizeof(int));    
        for (Y = 0; Y < Width * Height; Y++) Histgram[DarkChannel[Y]]++;
        for (Y = 255, Sum = 0; Y >= 0; Y--)
        {
            Sum += Histgram[Y];
            if (Sum > Height * Width * 0.01)
            {
                Threshold = Y;                                        // 选取暗通道值中前1%最亮的像素区域为候选点
                break;
            }
        }
        AtomB = 0; AtomG = 0; AtomR = 0;
        for (Y = 0, DarkP = DarkChannel; Y < Height; Y++)
        {
            Pointer = Scan0 + Y * Stride;
            for (X = 0; X < Width; X++)
            {
                if (*DarkP >= Threshold)                            //    在原图中选择满足候选点的位置的像素作为计算全局大气光A的信息                        
                {
                    SumB += *Pointer;
                    SumG += *(Pointer + 1);
                    SumR += *(Pointer + 2);
                    Amount++;
                }
                Pointer += 3;
                DarkP++;
            }
        }
        AtomB = SumB / Amount;
        AtomG = SumG / Amount;
        AtomR = SumR / Amount;
    
        memcpy(DarkChannel,Filter, Width * Height);                        // 恢复DarkChannel中的数据
        MedianBlur(Filter,Width,Height,Width,MedianRadius,50);          // 步骤1:使用中值滤波平滑,这样处理的重要性是在平滑的同时保留了图像中的边界部分,但是实际这里用中值滤波和用高斯滤波效果感觉差不多
        memcpy(FilterClone, Filter, Width * Height);
    
        DarkP = DarkChannel;
        FilterP = Filter;
        for (Y = 0; Y < Height * Width; Y++)              //利用一重循环来计算提高速度
        {
            Diff = *DarkP - *FilterP;                    //通过对|DarkP -FilterP |执行中值滤波来估计的局部标准差,这样可以保证标准差估计的鲁棒性
            if (Diff < 0) Diff = -Diff;
            *FilterP = (unsigned char)Diff;
            DarkP++;
            FilterP++;
        }
        MedianBlur(Filter,Width,Height,Width,MedianRadius,50);
    
        FilterPC = FilterClone;
        FilterP = Filter;
        for (Y = 0; Y < Height * Width; Y++)
        {
            Diff = *FilterPC - *FilterP;                    // 步骤2:然后考虑到有较好对比度的纹理区域可能没有雾, 这部分区域就不需要做去雾处理
            if (Diff < 0) Diff = 0;                            // 这里可以这样做是因为在最后有个max(....,0)的过程,
            *FilterP = (unsigned char)Diff;
            FilterPC++;
            FilterP++;
        }
    
        DarkP = DarkChannel;
        FilterP = Filter;
    
        for (Y = 0; Y < Height * Width; Y++)
        {
            Min = *FilterP * P / 100;
            if (*DarkP > Min) 
                *FilterP = Min;                                // 获得满足约束条件的大气光幕
            else
                *FilterP = *DarkP;
            DarkP++;
            FilterP++;
        }
    
        FilterP = Filter;
        for (Y = 0;Y < Height; Y++)
        {
            Pointer = Scan0 + Y * Stride;
            for (X = 0; X < Width; X++)
            {
                F = *FilterP++;
                if (AtomB != F) 
                    Value = AtomB *(*Pointer - F) /( AtomB - F);
                else
                    Value=*Pointer;
                *Pointer++ = Clamp(Value);
                if (AtomG != F) 
                    Value =  AtomG * (*Pointer - F) /( AtomG-F);
                else
                    Value =  *Pointer;
                *Pointer++ = Clamp(Value);
                if (AtomR != F) 
                    Value =  AtomR *(*Pointer - F) /( AtomR-F);
                else
                    Value =  *Pointer;
                *Pointer++ = Clamp(Value);
            }
        }
        free(Histgram);
        free(Filter);
        free(DarkChannel);
        free(FilterClone);
    }

       关于中值滤波或者双边滤波的快速算法,可以在本人博客中找到大量的相关信息。

         在程序的耗时上,主要还是2次中值处理上,借助于C++的一些优化(比如内嵌SSE代码,C#做不到)中值的速度也相当快了,我用1024*768的灰度图测试耗时约为60ms(未考虑用多线程,因为那个程序用多线程编码上会复杂不少),对彩色图用这种方式去雾,I3CPU上1024*768的总耗时约为140ms,想要实时,换换I7的CPU试试吧(传说中我的那篇实时去雾的文章的算法在I3上20ms,I7上有测试表明只要3到4ms)。

         由于算法的最后一步的公式问题,在某些参数情况下图像会出现黑快或者白块,目前该问题尚未解决。 有兴趣对改算法进行进一步测试的同学可自己研究下。

         相关测试代码下载:

          http://files.cnblogs.com/Imageshop/HazeRemovalBasedOnMedianBlur.rar

         

     

    *********************************作者: laviewpbt   时间: 2013.12.5   联系QQ:  33184777  转载请保留本行信息*************************

     

    转载于:https://my.oschina.net/abcijkxyz/blog/792271

    展开全文
  • 该课题为基于MATLAB的图像去雾系统,采用局部直方图,全局直方图,retinex三种算法进行图像去雾。为了让界面更加美观,可以增加GUI人机交互界面,在GUI上显示去雾前后对比图,方法选择按钮,提示信息框,以及评价...
  • 一、课题介绍 现在我国尤其是北方城市,工业发达,废弃排放严重,这使得雾霾越来越厉害,让能见度极低。这严重影响了我们的交通系统,导航系统,卫星定位系统等,给...该课题是基于MATLAB平台的图像去雾处理,配备一个

    https://download.csdn.net/download/weixin_44748303/14070554
    一、课题介绍
    现在我国尤其是北方城市,工业发达,废弃排放严重,这使得雾霾越来越厉害,让能见度极低。这严重影响了我们的交通系统,导航系统,卫星定位系统等,给人民出行,工作带来极大的不便利。目前市场上高清拍摄设备虽然可以让成像清晰点,但是造价高昂。如果有一套软件处理系统,可以实时地处理含雾的图像,让成像去雾化,让图像变得清晰,将会很受欢迎。
    该课题是基于MATLAB平台的图像去雾处理,配备一个人机交互GUI界面,可以选择全局直方图均衡化,Retinex算法,同态滤波,通过对比处理前后的图像的直方图,而直方图是一副图像各灰度值在0-256的分布个数的表,信息论已经整明,具有均匀分布直方图的图像,其信息量是最大的。
    二、算法介绍
    ①全局直方图均衡化:通俗地理解就是,不管三七二十一,直接强行对彩色图像的R,G,B三通道颜色进行histeq均衡处理,然后进行三通道重组;
    ②Retinex算法:通俗地讲就是,分离R,G,B三通道,对每个通道进行卷积滤波。
    ③ 同态滤波
    三、GUI设计图
    在这里插入图片描述

    展开全文
  •  实际上很久以前,当我初次接触图像去雾技术时,最先实现的是基于中值滤波的图像去雾,并且也有一定的效果,在我的Imageshop的集成软件中的去雾方案就是这个的实现,不过那个效果没有本文好。  而基于双边滤波的...

    一、前言  

      实际上很久以前,当我初次接触图像去雾技术时,最先实现的是基于中值滤波的图像去雾,并且也有一定的效果,在我的Imageshop的集成软件中的去雾方案就是这个的实现,不过那个效果没有本文好。

         而基于双边滤波的方案,也是很早就听说过,前不久有朋友传给我一篇国内的双边滤波去雾的论文,总体思路和基于中值的类似,想想干脆把这两个放在一起做个比较吧。

    二、算法的流程

         算法的最基础的原理还是基于大气散射模型的,即:

                         

      已知条件就是输入图像I(X),求J(x);

         在参考论文一种单幅图像去雾方法中是通过中值滤波的方式来去雾的,而论文基于双边滤波的实时图像去雾技术研究选用了双边滤波,如果你要实现代码,可能需要两篇论文结合起来看,因为在论文1中的描述没有讲清楚如何通过获得的雾浓度数据来获取无雾的图像。

         简单的来说,算法的流程可描述如下:

      1、定义F(X)=A(1-t(x)),称之为大气光幕或者为雾浓度。

         2、计算,并使用和何博士论文中类似的方式计算全局大气光值A。

         3、计算,即对M(x)进行中值滤波。

         4、计算,注意式子中的绝对值。

         5、计算,式中P为控制去雾程度的因子,取值范围[0,1]。

         6、通过式子获得去雾后的图像。

         上面的很多算式是从不同论文里截图的,因此表达上有些前后不一致,但不影响高手理解其含义。

         如果是采用双边滤波算子,则步骤3和4中的median运算符需修改为bilaterfilter,其他的步骤一样。

      算法的原理我讲不清,反正看的越多越迷糊了。

    三、算法的效果

          算法的效果还是有些意外,有些图获得了相当不错的效果。

         

         

         

         

         

         

                      原图                        去雾图                       对应的大气光幕

       这里的大气光幕和何凯明的论文中的透射率图不是同一个概念,因此不具有可比性。

       在大气光幕的公式中,我们看到有全局大气光A的影响,但是上述计算F(X)的过程确没有涉及到A,很是无语啊。

       从效果上看,我所列举的这些例子都还是不错的,特别是第一幅图,用何凯明的暗通道我一直没有调出这种效果。

       上述都是用中值滤波做的效果,在部分图像对应大气光幕图上可以看出,图像的边缘处有一些小圆弧,这些都是矩形半径中值滤波的明显痕迹,而基于双边滤波的我也实践过,并没有像参考论文2说的那样有多少改进,感觉彼此彼此,而且有些图还会出现突变,因此我认为写这些论文纯粹是为了发论文。 

    四、代码实现细节

         在代码实现上,个人感觉没有什么难点,先求暗通道,然后就是几个中值滤波或者是双边滤波,求全局大气光的过程还涉及到最小值滤波,主要的代码如下:

    复制代码
    void _stdcall HazeRemovalBasedOnMedianBlur(unsigned char * Scan0, int Width,int Height,int Stride,int DarkRadius,int MedianRadius,int P)
    {
        int  X, Y, Diff,Min,F;
        unsigned char* Pointer, *DarkP, *FilterP,* FilterPC;
        unsigned char * DarkChannel = (unsigned char*)malloc(Width * Height);
        unsigned char * Filter = (unsigned char*)malloc(Width * Height);
        unsigned char * FilterClone = (unsigned char*)malloc(Width * Height);
    
        for (Y = 0; Y < Height; Y++)
        {
            Pointer = Scan0 + Y * Stride;
            DarkP = DarkChannel + Y * Width;             // 由实际图像计算得到的图像暗通道     
            for (X = 0; X < Width; X++)
            {
                Min = *Pointer;
                if (Min > *(Pointer + 1)) Min = *(Pointer + 1);
                if (Min > *(Pointer + 2)) Min = *(Pointer + 2);
                *DarkP = (unsigned char)Min;
                DarkP++;
                Pointer += 3;
            }
        }
        memcpy(Filter, DarkChannel, Width * Height);                        // 求全局大气光A时会破坏DarkChannel中的数据
    
        MinValue(DarkChannel, Width, Height,Width,DarkRadius);                // 求取暗通道值
    
        // 利用暗通道来估算全局大气光值A
        int Sum, Value,Threshold = 0;
        int SumR = 0, SumG = 0, SumB = 0, AtomR, AtomB, AtomG, Amount = 0;
        int* Histgram = (int*)calloc(256 , sizeof(int));    
        for (Y = 0; Y < Width * Height; Y++) Histgram[DarkChannel[Y]]++;
        for (Y = 255, Sum = 0; Y >= 0; Y--)
        {
            Sum += Histgram[Y];
            if (Sum > Height * Width * 0.01)
            {
                Threshold = Y;                                        // 选取暗通道值中前1%最亮的像素区域为候选点
                break;
            }
        }
        AtomB = 0; AtomG = 0; AtomR = 0;
        for (Y = 0, DarkP = DarkChannel; Y < Height; Y++)
        {
            Pointer = Scan0 + Y * Stride;
            for (X = 0; X < Width; X++)
            {
                if (*DarkP >= Threshold)                            //    在原图中选择满足候选点的位置的像素作为计算全局大气光A的信息                        
                {
                    SumB += *Pointer;
                    SumG += *(Pointer + 1);
                    SumR += *(Pointer + 2);
                    Amount++;
                }
                Pointer += 3;
                DarkP++;
            }
        }
        AtomB = SumB / Amount;
        AtomG = SumG / Amount;
        AtomR = SumR / Amount;
    
        memcpy(DarkChannel,Filter, Width * Height);                        // 恢复DarkChannel中的数据
        MedianBlur(Filter,Width,Height,Width,MedianRadius,50);          // 步骤1:使用中值滤波平滑,这样处理的重要性是在平滑的同时保留了图像中的边界部分,但是实际这里用中值滤波和用高斯滤波效果感觉差不多
        memcpy(FilterClone, Filter, Width * Height);
    
        DarkP = DarkChannel;
        FilterP = Filter;
        for (Y = 0; Y < Height * Width; Y++)              //利用一重循环来计算提高速度
        {
            Diff = *DarkP - *FilterP;                    //通过对|DarkP -FilterP |执行中值滤波来估计的局部标准差,这样可以保证标准差估计的鲁棒性
            if (Diff < 0) Diff = -Diff;
            *FilterP = (unsigned char)Diff;
            DarkP++;
            FilterP++;
        }
        MedianBlur(Filter,Width,Height,Width,MedianRadius,50);
    
        FilterPC = FilterClone;
        FilterP = Filter;
        for (Y = 0; Y < Height * Width; Y++)
        {
            Diff = *FilterPC - *FilterP;                    // 步骤2:然后考虑到有较好对比度的纹理区域可能没有雾, 这部分区域就不需要做去雾处理
            if (Diff < 0) Diff = 0;                            // 这里可以这样做是因为在最后有个max(....,0)的过程,
            *FilterP = (unsigned char)Diff;
            FilterPC++;
            FilterP++;
        }
    
        DarkP = DarkChannel;
        FilterP = Filter;
    
        for (Y = 0; Y < Height * Width; Y++)
        {
            Min = *FilterP * P / 100;
            if (*DarkP > Min) 
                *FilterP = Min;                                // 获得满足约束条件的大气光幕
            else
                *FilterP = *DarkP;
            DarkP++;
            FilterP++;
        }
    
        FilterP = Filter;
        for (Y = 0;Y < Height; Y++)
        {
            Pointer = Scan0 + Y * Stride;
            for (X = 0; X < Width; X++)
            {
                F = *FilterP++;
                if (AtomB != F) 
                    Value = AtomB *(*Pointer - F) /( AtomB - F);
                else
                    Value=*Pointer;
                *Pointer++ = Clamp(Value);
                if (AtomG != F) 
                    Value =  AtomG * (*Pointer - F) /( AtomG-F);
                else
                    Value =  *Pointer;
                *Pointer++ = Clamp(Value);
                if (AtomR != F) 
                    Value =  AtomR *(*Pointer - F) /( AtomR-F);
                else
                    Value =  *Pointer;
                *Pointer++ = Clamp(Value);
            }
        }
        free(Histgram);
        free(Filter);
        free(DarkChannel);
        free(FilterClone);
    }
    复制代码

       关于中值滤波或者双边滤波的快速算法,可以在本人博客中找到大量的相关信息。

         在程序的耗时上,主要还是2次中值处理上,借助于C++的一些优化(比如内嵌SSE代码,C#做不到)中值的速度也相当快了,我用1024*768的灰度图测试耗时约为60ms(未考虑用多线程,因为那个程序用多线程编码上会复杂不少),对彩色图用这种方式去雾,I3CPU上1024*768的总耗时约为140ms,想要实时,换换I7的CPU试试吧(传说中我的那篇实时去雾的文章的算法在I3上20ms,I7上有测试表明只要3到4ms)。

         由于算法的最后一步的公式问题,在某些参数情况下图像会出现黑快或者白块,目前该问题尚未解决。 有兴趣对改算法进行进一步测试的同学可自己研究下。

         相关测试代码下载:

          http://files.cnblogs.com/Imageshop/HazeRemovalBasedOnMedianBlur.rar

         

     

    展开全文
  • 去雾软件HQU_imagedehazing_Release

    热门讨论 2013-01-15 17:02:09
    快速图像去雾,0.08s 效果非常OK
  • retinex雾天彩色图像处理,采用matlab软件编写,同时采用线性拉伸的方法对rgb图像处理达到去雾图像清晰化效果
  • 无人机图像优化软件,主要用于优化无人机航拍影像视觉效果,解决在不良天气情况下图像较暗、阴影重、有雾等问题。新版本增加正射影像(TIF格式)处理功能。 1、高速批处理:采用多线程加速,同时处理多张影像,批处理...
  • 图像处理工具主要包含图像调整、自动调整、图像去雾、GPS提取、正射影像增强等图像处理算法和工具,主要用于无人机影像增强、去雾等。当前版本为3.0。 一、处理单张图像 1.点击上方打开单个图像。 2.选择图像...
  • 无人机图像优化工具主要用于批量处理无人机航拍影像,提升影像在阴天...图像去雾,原图: 效果: 批量输出:点击批量输出,选择输出路径,点击打开后自动开始处理文件夹下影像并输出到所选文件夹下。 高速输出:
  • 很早之前就发现了,原始的图像和用截图软件截取的图像,使用统一算法处理,得到的增强结果不一样。肯定还是很坑人的。。郁闷。。一定要用最原始的图像。 % 我的算法本来就不好。。也可能是算法的原因吧 图片版本一...
  • 双边滤波去雾

    2018-09-22 14:37:12
    在 Matlab 软件大量实验的基础上,分别对高斯高通滤波、巴特沃 斯高通滤波和提出的新算法进行了比较,并结合主观和客观的评价方法对去云效果做出评价。结果表明,新算法优于传统 滤波方法,且对于薄云图像效果更佳。
  • 该课题是基于MATLAB平台的图像去雾处理,配备一个人机交互GUI界面,可以选择局部直方图均衡化,全局直方图均衡化,Retinex算法,通过对比处理前、后的图像的直方图,而直方图是一副图像各灰度值在0-256的分布个数的...
  • retinex雾天彩色图像处理,采用matlab软件编写,同时采用线性拉伸的方法对rgb图像处理达到去雾图像清晰化效果
  • 任何波形都是正旋波和小波组成--通讯--傅立叶变幻   不同的传感器去探测不同波长的光波 去雾软件
  • 设计的双模式雾气消散系统包括硬件和软件两部分,硬件为基于物理热消散效应的机械去雾结构,软件为基于大气散射模型估算的图像处理算法。能在不同湿度下保证车载摄录图像的清晰度和细节特征,具有实时处理和自适应反馈...

空空如也

空空如也

1 2
收藏数 35
精华内容 14
关键字:

图像去雾软件