图像处理，去色、亮度、对比度、颜色减淡、线性加深\、正片叠底、颜色加深、深色模式、柔光模式、亮光模式、反相、反相曝光等

matlab编写的双边滤波算法，通熟易懂，可以后期修改

这是我自己写的用MATLAB实现的双边滤波算法，供大家参考。其中bfilter_function.m是实现双边滤波的函数，输入参数是原始图像，滤波器的尺度。Bfilter_Test.m是对bfilter_function.m的一个测试函数，即使用案例，输出是滤波后的图像。本代码下载不需要积分。

雾天的交通影响着人们的出行，是否可以安全的出行是人人所关心的问题.为获取含雾图像更多的特征信息，提出一种基于小波变换的交通图像去雾方法.一方面在RGB颜色空间对图像进行直方图均衡处理来增强图像的整体的对比度；另一方面在HSV色彩空间，对V分量进行小波变换处理，将分解得到的低频子带采取双边滤波处理的方式，而对多个高频子带进行非线性变换处理方式，将处理过的低频子带和多个高频子带，利用小波逆变换进行重构.最后将两幅图像进行线性组合，得到最终的去雾图像.实验结果表明，与其他方法相比，本文方法处理的的图像所含信息较高，便于人眼观察。

在MATLAB环境下，对二维图像进行双边滤波，可在平滑图像噪声的同时有效地保护图像的边缘信息。

在各向异性的物体中,高光被视为是漫反射分量以及镜面反射分量的一种线性组合。单幅图像的高光去除是计算机视觉中一项非常有挑战性的课题。很多方法试图将漫反射分量、镜面反射分量进行分离,然而这些方法往往需要图像分割等预处理过程,方法鲁棒性较差且比较耗时。基于双边滤波器设计了一种高效的高光消除方法,该方法利用最大漫反射色度存在着局部平滑这一性质,使用双边滤波器对色度的最大取值进行传播与扩散,从而完成整幅图像高光去除。方法采用一种加速策略对双边滤波器进行速度优化,与目前流行的方法相比,有效提升了方法的执行效率。与传统

改进的双边滤波器，对点云数据的平滑去噪处理，

这是 3D 图像快速双边滤波的实现。 该过滤器在保留边缘的同时平滑图像，但在其最直接的实现中对计算的要求非常高，尤其是对于大型 3D 图像。 快速双边滤波（S. Paris 和 F. Durand，麻省理工学院 [1]）是一种近似技术，可显着提高计算速度。 我的实现与快速 2D 滤波器 [2] 的 Matlab 版本密切相关，并进行了一些修改。 核心函数允许控制滤波器的所有参数（4 个用于高斯内核，4 个用于子采样），并且包装函数进行了一些简化以方便使用。 为了执行可分离的 4D 卷积，我使用了我自己单独提交给 File Exchange (27957) 的函数。 [1]http://people.csail.mit.edu/sparis/bf/ [2] http://people.csail.mit.edu/jiawen/software/bilateralFilter.m

为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.

对传统双边滤波器模型中的灰度标准差和滤波窗口进行改进。首先,用固定大小的正方形窗口通过概率分布函数和最大似然函数计算图中每个像素点的噪声标准差,将全图噪声标准差的中值作为阈值,若某像素点的噪声标准差大于该阈值,则认为该点的窗口内包含图像边缘,用半边旋转窗口法重新计算该点的噪声标准差和滤波窗口;然后,对图像中的每个像素点进行双边滤波,其中,灰度标准差设为该点噪声标准差的2倍;最后,根据区域相似度模型判定强噪声,并利用中值滤波器去除。实验证明,所提算法在不同强度的噪声下均可取得较好的保边滤波效果和强噪声去除效果。