资源包含文件：课程lunwen文档word+运行简介+源码 要求将图片前景的黑色栏杆去除，恢复遮挡部分。要求修改的图片有两张，第一张图片的前景栏杆较窄，第二张图片的前景栏杆大部分较窄，有一根栏杆较粗。为了去除遮挡部分，首先需要找到遮挡部分的位置，即 mask，这一步使用一系列图像处理的方法来完成。 针对第一张图片，由于遮挡物较窄，我使用了 Fast Marching Method 算法来实现去遮挡，该算法运算较快，对窄遮挡物去除效果较好，但对宽遮挡物（宽度大于 15 像素）进行修复时会出现模糊现象(Telea, 2004)。因此，针对第二张图片的宽栏杆部分，我使用了 criminisi 算法来进 行修复，该算法运算较慢，但对宽遮挡物修复效果极佳(Criminisi, Perez, & Toyama, 2003)。此外，我对 criminisi 算法做了一点改动，大大提高了它的运算速度，同时保证修复质量。详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/122512677?spm=1001.2014.3001.5502

实现k均值聚类，只需简单修改一两个参数就可以实现聚类效果

如有疑问，可私信博主。 BP网络至少包含一个隐含层，这里只采用一个隐含层，因此整体构成了一个三层的网络。把一组输入模式通过少量的隐含层单元映射到一组输出模式，并使输出模式尽可能等于输入模式。因此，隐含层神经元的值和相应的权值向量可以输出一个与原输入模式相同的向量。当隐含层的神经元个数较少时，就意味着隐含层能用更少的数来表现输入模式，而这实际上就是压缩。这一思想可以由图1来表示： 第一层为输入层，中间层为隐含层，网络的映射功能依赖隐含层实现。输入层到隐含层的变换相当于压缩的编码过程；而从隐含层到输出层的变换则相当于解码过程，如图 2所

matlab图像分割，带多种方法，otus，最大类间分割，双峰法，区域生长法，带界面

本资源是MATLAB图像处理实例详解一书的书本部分的PDF（对于每一章的讲解部分）以及书本内部的所具有的源码部分的详解。

数字图像处理matlab——图像分割、 （1）解图像分割的基本概念与基本方法。 （2）掌握采用区域增长法和大津法, 实现图像分割。 （3）对比图像分割不同方法的生成结果的特点，总结归纳不同方法间的差异 针对cameraman.jpg 这幅测试图像，运用区域增长法进行分割并调整criterion的值 主函数、函数1. Region_grow1.m、函数2. get4ngb.m、函数3. get8ngb.m 针对rice.jpg这幅图像，运用大津法进行分割，并自动统计大米的数量 分割&计数.m

利用matlab代码求得图像信息熵（一维熵和二维熵）

Matlab图像处理实验指导书

matlab图像均衡化代码HDR方法和比较 使用各种最新方法的HDR图像生成及其结果比较 使用ILP（反向局部模式）生成HDR图像 根据论文 “通过反向局部模式生成高性能高动态范围图像” by Shih-Chang Hsia and Ting Tseng Kuo IET image processsing, 2015 设置 MATLAB中提供了ILP（反向局部模式）和CLAHE（对比度受限的自适应直方图均衡）的代码 用法 将代码复制到您拥有测试图像的路径。 运行代码后，它将自动将结果HDR图像保存在与代码相同的路径中。 我们还在images文件夹中提供了示例测试图像。 还提供了这些样本图像的结果图像。 比较表 我们为各种方法提供了相同图像的结果。 为了获得图像的定性分析，我建议使用HDR-VDP和HDR-VDP 2视觉指标。 这些指标可以从访问。

数字图像处理实验一、空域图像处理,实验二、图像的几何变换,实验三、图像的傅立叶变换,实验四、图像分割