【图像增强】人工多重曝光融合AMEF图像去雾【含Matlab源码 1916期】

最新推荐文章于 2024-07-25 20:53:45 发布

Matlab武动乾坤

最新推荐文章于 2024-07-25 20:53:45 发布

阅读量378

点赞数 6

分类专栏： Matlab图像处理（进阶版）文章标签： matlab

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/136048436

版权

Matlab图像处理（进阶版）专栏收录该内容

842 篇文章 18 订阅

订阅专栏

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、图像增强技术简介

1 图像增强
图像增强是对图像的某些特征，如边缘、轮廓、对比度等进行强调或锐化，以便于显示、观察或进一步分析与处理。通过对图像的特定加工，将被处理的图像转化为对具体应用来说视觉质量和效果更“好”或更“有用”的图像。
图像增强是最基本最常用的图像处理技术，常用于其他图像处理的预处理阶段。
在这里插入图片描述
（1）高通平滑、低通锐化；平滑模糊、锐化突出图像细节
（2）滤波器还有带通、带阻等形式
（3）根据噪声（椒盐噪声、高斯噪声…）的不同，选用不同的滤波
（4）邻域有4-邻域、对角邻域、8-邻域，相对应的有邻接，即空间上相邻、像素灰度相似
（5）图像边缘处理：忽略不处理、补充、循环使用
（6）目前尚未图像处理大多基于灰度图像

2 偏振差分水下去雾原理
偏振差分水下去雾原理

⛄二、部分源代码

function amef_demo

clc
clear all

% process a demo image
path = ‘demo_images/’;
% images shown in the paper
% im_name = [path, ‘road_input.png’]; % Fig. 10
% im_name = [path, ‘89.bmp’]; % Fig. 7
im_name = [path, ‘91.jpg’]; % Fig. 9
% im_name = [path, ‘98.bmp’]; % Fig. 1
% im_name = [path, ‘HazyDay.png’]; % Fig. 8
% im_name = [path, ‘2.jpg’]; % Fig. 6
% im_name = [path, ‘mumbai.jpg’]; % Fig. 13
% im_name = [path, ‘landscape2-Tangkt.png’]; % Fig. 11

% other examples
% im_name = [path, ‘2.jpg’];
% im_name = [path, ‘51.jpg’];
% im_name = [path, ‘88.jpg’];
% im_name = [path, ‘99.png’];
% im_name = [path, ‘100.png’];
% im_name = [path, ‘fc7.jpg’];
% im_name = [path, ‘IMG_4681_resize.jpg’];
% im_name = [path, ‘Bu_Wf_D_L_040.jpg’];
% im_name = [path, ‘40.jpg’];
% im_name = [path, ‘beijing3.png’];

I_hazy = imread(im_name);

% Increase clip_range to remove more haze - at the risk of overenhancement
clip_range = 0.010;

tic
amef_im = amef(im2double(I_hazy), clip_range);
time = toc;

[m, n, ~] = size(I_hazy);
disp(['Resolution: ', num2str(m), ’ x ', num2str(n)])
disp(['Processing time: ', num2str(time)])

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]李连志,邢川.基于同态滤波的平面视觉图像色彩增强算法[J].计算机仿真. 2021,38(02)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合