经典的中值滤波算法要求对窗口内的像素进行排序，当窗口尺寸较大时，处理速度很慢，不能满足计算机对图像处理的实时性要求。本文探讨了中值滤波的快速算法，旨在提高中值滤波处理速度。结果表明，快速算法可是处理时间大大减小。

双边滤波快速算法-图像处理方向 介绍了双边滤波的概念-很精练形象 以及在图像处理中的应用-edge preserving filtering 介绍了现有的多种加速算法

利用snake算法实现数字图像的边缘检测，图像分割以及特征提取！！

SIFT算法在图像处理的代码，用于图像融合

近几年应用在单幅图像超分辨率重建上的深度学习算法都是使用单种尺度的卷积核提取低分辨率 图像的特征信息，这样很容易造成细节信息的遗漏。另外，为了获得更好的图像超分辨率重建效果，网络模型也不 断被加深，伴随而来的梯度消失问题会使得训练时间延长，难度加大。针对当前存在的超分辨率重建中的问题，结合 GoogleNet 思想、残差网络思想和密集型卷积网络思想，提出一种多尺度密集残差网络模型。方法 使 用 3 种不同尺度卷积核对输入的低分辨率图像进行卷积处理，采集不同卷积核下的底层特征，这样可以较多地提 取低分辨率图像中的细节信息，有利于图像恢复。再将采集的特征信息输入残差块中，每个残差块都包含了多个 由卷积层和激活层构成的特征提取单元。另外，每个特征提取单元的输出都会通过短路径连接到下一个特征提取 单元。短路径连接可以有效地缓解梯度消失现象，加强特征传播，促进特征再利用。接下来，融合 3 种卷积核提取 的特征信息，经过降维处理后与 3 × 3 像素的卷积核提取的特征信息相加形成全局残差学习。最后经过重建层，得 到清晰的高分辨率图像。整个训练过程中，一幅输入的低分辨率图像对应着一幅高分辨率图像标签，这种端到端 的学习方法使得训练更加迅速。使用两个客观评价标准 PSNＲ( peak signal-to-noise ratio) 和 SSIM( structural similarity index) 对实验的效果图进行测试，并与其他主流的方法进行对比。最终的结果显示，本算法在 Set5 等 多个测试数据集中的表现相比于插值法和 SＲCNN 算法，在放大 3 倍时效果提升约 3. 4 dB 和 1. 1 dB，在放大 4 倍时提 升约 3. 5 dB 和1. 4 dB

Gray-Level Grouping （GLG）算法，matlab实现。 自己写的matlab版本代码，能够成功运行。 初学者可学，可以用来实现图像增强。

智能车之sobel图像处理算法（阳光算法）

粒子群优化(Particle Swarm Optimization - PSO) 算法是近年来发展起来的一种新的进化算法( Evolutionary Algorithm - EA) .PSO 算法属于进化算法的一种,和遗传算法相似,它也是从随机解出发,通过迭代寻找最优解,它也是通过适应度来评价解的品质. 但是它比遗传算法规则更为简单,它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作. 它通过追随当前搜索到的最优值来寻找全局最优 。

利用K-means算法，在matlab环境下实现图像处理，具有GUI界面，形象的展现各种K值处理的效果！希望对大家有所帮助

该EM算法是本人自己实现。Mablab编程，懂算法原理的话，很容易翻译成C/C++实现。