可以直接运行的梯度域引导图滤波Gradient Domain Guided Image Filtering MATLAB源码
2022-09-14 16:15:40
1.09MB
1
对称梯度域机器学习（sGDML）
有关更多详细信息，请访问： :
可以在这里找到文档： :
要求：
Python 3.7以上
NumPy（> = 1.19）
科学（> = 1.1）
可选的：
PyTorch（用于GPU加速）
ASE（> = 3.16.2）（运行原子模拟）
入门
稳定释放
大多数系统pip预先安装了针对Python pip的默认软件包管理器。 只需调用以下sgdml即可安装sgdml ：
$ pip install sgdml
sgdml命令行界面和相应的Python API现在可以在系统上的任何位置使用。
开发版
（1）克隆存储库
$ git clone https://github.com/stefanch/sGDML.git
$ cd sGDML
...或更新您现有的本地副本
$ git pull origin master
（2）安装
$ pi
2022-05-25 15:19:46
89KB
1
为提高雾天图像增强的对比度并保持颜色恒常性，提出了基于全变分 Retinex 及梯度域的雾天图像增强算法。首先，采用高斯—赛德尔 GS（Gauss-Seidel）迭代算法对基于 Retinex 的全变分能量泛函数进行求解，从而有效地保持颜色恒常性；其次，采用相对梯度与绝对梯度相结合的方式拉伸雾天图像较亮处的梯度， 在全变分Retinex理论下重建增强后的雾天图像，并将该增强算法应用到彩色图像；最后，加权融合基于全变分Retinex增强算法与梯度域增强算法的增强结果，使得增强结果既能提高对比度又能保持色彩恒常性。实验结果表明，本算法提高了雾天图像增强后的对比度和清晰度，具有颜色恒常性、颜色保真高等特性。
2022-05-10 22:38:27
2MB
1
传统基于样本块的图像修复算法中样本块大小是固定不变的,在修复过程中无法根据图像的具体情况进行调节,这在很大程度上影响了图像的整体修复效果。为了解决这一问题,提出一种自适应确定样本块大小的方法。该算法通过分析图像的梯度域变化,获得各像素点处的结构信息,进而自适应确定待修复样本块的大小。仿真实验结果表明,该算法能够有效克服传统方法中经常出现的诸如结构误传播、图像整体结构丢失等缺点,对具有明显结构变化的图像取得了比较理想的修复效果。
2022-03-16 09:43:42
652KB
1