本文以数字图像处理、压缩技术和MATLAB应用为基础，偏重于MATLAB图像处理的分析和应用。涉及到关于图像处理的图像增强、二值处理、小波分析和图像压缩的基本概念，解决了利用低通、高通滤波，膨胀，腐蚀，平滑，边缘提取和基于DCT变换，小波变换的图像压缩技术的图像处理，制作了一个关于图像处理和图像压缩的系统。
上传时间： 2017-07-08
上传用户：dongqiangqiang
用于图像去噪实验界面，包括小波去噪，中值滤波等，程序有MATLAB的gui界面，调试成功。
上传时间： 2014-01-13
上传用户：woshini123456
基于MAP算法的图像超分辨率重构技术研究硕士论文，文中介绍了超分辨率重建的理论基础与数学模型，基于卡尔曼滤波的序列图像运动估计及基于MAP的超分辨率重建的具体过程。
上传时间： 2014-01-11
上传用户：huql11633
摘 要:曝光瞬间造成图像模糊的运动通常作为直线运动近似处理 ,若能找出模糊图像的运动模糊方向 ,并将之旋转到水平轴 ,则二维问题可简化为一维来处理 ,大大简化由模糊图像估计出运动模糊点扩散函数以及图像恢复的过程 ,并为图像恢复的并行计算创造有利条件。由于运动模糊降低了运动方向上图像的高频成 分 ,沿着运动方向实施高通滤波 方向微分 ,可保证微分图像灰度值 绝对值 之和最小。基于此 ,本文利用双线性插值的方法 ,固定并适当选取方向微分的微元大小 ,构造出3 ×3方向微分乘子 ,得到了高效高精度的自动鉴别运动模糊方向的新方法 ,并通过数值实验进行了验证。
上传时间： 2013-12-08
上传用户：lmeeworm
通过图像像素点之间的相关性来判断该像素点为噪声点还是信号点，进而对其进行滤波。
上传时间： 2014-12-20
上传用户：zsjzc
核分离的高斯滤波函数，运算速度比没有分离的高斯滤波要快很多
标签： 图像处理
上传时间： 2015-11-19
上传用户：ryanleo
随着 国 内 遥感卫星的迅 速发展卫星 图 像的 图 幅越来 越大分辨率越来越高 。 在轨 遥感 图 像的几何 精 度 评价要求从待评遥感 图 像和 多源 参考 图 像之间精确 地提取出 分布 均 匀 的控 制 点 信 息 。 使用 滤波 对高 分辨率影像进 行增强时 ， 会 产生过增强 和饱和 现象 影响 了 控制 点 提取效果。 为 了 克 服上述缺陷 提出 了 一 种基于 稀 疏识別的 自 适应 图像增 强算 法。 方法 首先计算 图像子区域的 辐射质量参数并构 建 分类特征 ； 然 后通过 稀疏识别算 法确 定子区域的 地物 类型； 最后根据子区域所属 地物类 型 ， 选择不同 的 滤 波 参数 实 现整幅图 像 的 自 适 应增 强 并 在增 强 的 遥感图 像上提 取控制 点 信息 实 现遥感图像 的 几何精 度 自 动 化评价。 结果 针 对资源 三号卫星影 像的 实 验结果表明 针对不同 的 子区域地物 类型进行 自 适 应 增强， 有 效 防 止了 基于全局统一 参 数的 滤波带来 的 过增 强和饱和现象 有 效增强 了 高 分辨 率图像 的纹理。 结论 提出 了 一 种 新的高分 辨率遥 感影像增强 策略 增强了 高 分辨率图 像的 纹理， 提高 了控制 点的 获 取数 目 和 准 确 率。 关键词： 稀疏识别 ； 辐射参数 ； 自 适应 增强； 提取控制 点
上传时间： 2015-11-22
上传用户：chao1020
c#窗体程序，数字图像处理的各种操作如打开图像、绘制灰度直方图、直方图均衡化、平移、镜像、缩放、旋转、滤波、添加噪声、平滑、锐化、边缘化、阈值分割、压缩编码等，有图有源码，诚信可靠，童叟无欺！！
上传时间： 2015-11-23
上传用户：gbstar
对灰度图像进行lee滤波处理，请自行调节窗口大小。
上传时间： 2016-05-13
上传用户：xiaohuanhuan
I=imread('fig1.jpg');%从D盘名为myimages的文件夹中读取。格式为jpg的图像文件chost J=imnoise(I,'salt & pepper',0.02);%给图像加入均值为0，方差为0.02的淑盐噪声 subplot(2,4,1); imshow(I); title('原始图像'); subplot(2,4,2); imshow(J); title('加入椒盐噪声之后的图像'); %h=ones(3,3)/9; %产生3 × 3的全1数组 %B=conv2(J,h); %卷积运算 %采用MATLAB中的函数对噪声干扰的图像进行滤波 Q=wiener2(J,[3 3]); %对加噪图像进行二维自适应维纳滤波 P=filter2(fspecial('average',3),J)/255; %均值滤波模板尺寸为3 K1=medfilt2(J,[3 3]); %进行3 × 3模板的中值滤波 K2= medfilt2(J,[5 5]); %进行5 × 5模板的中值滤波 K3= medfilt2(J,[7 7]); %进行7 × 7模板的中值滤波 K4= medfilt2(J,[9 9]); %进行9 × 9模板的中值滤波 %显示滤波后的图像及标题 subplot(2,4,3); imshow(Q); title('3 × 3模板维纳滤波后的图像'); subplot(2,4,4); imshow(P); title('3 × 3模板均值滤波后的图像'); subplot(2,4,5); imshow(K1); title('3 × 3模板的中值滤波的图像'); subplot(2,4,6); imshow(K2); title('5 × 5模板的中值滤波的图像'); subplot(2,4, 7); imshow(K3); title('7 × 7模板的中值滤波的图像'); subplot(2,4,8); imshow(K4); title('9 × 9模板的中值滤波的图像');
上传时间： 2016-06-02
上传用户：wxcr_1
