NL-means窗口
理论上，该算法需要在整个图像范围内判断像素间的相似度，也就是说，每处理一个像素点时，都要计算它与图像中所有像素点间的相似度。但是考虑到效率问题，实现的时候，会设定两个固定大小的窗口：搜索窗口
和邻域窗口。
邻域窗口在搜索窗口中滑动，根据邻域间的相似性确定像素的权值。
2021-08-28 10:40:28
7.57MB
1
此函数 NLMF 对 1D 信号、2D 灰度/彩色或 3D 图像数据执行非局部均值噪声过滤。 该函数部分是 c 编码的，用于 cpu 高效过滤。 适用于几乎所有图像数据类型，如 MRI、CT 和正常照片。
警告！，图像过滤消除了噪音，但重要的（医学）细节也可能丢失，（见评论中的讨论）。 原理 NL-Mean 滤波器： 像素周围的局部像素区域（块）与邻域（或整个图像中）的像素块进行比较。 补丁的中心像素根据补丁之间的二次像素距离进行平均。 功能： J = NLMF（我，选项）； 输入， I : 1D 信号、2D 灰度/彩色或 3D 图像数据，范围为 [0..1] 的 Single 或 Double 类型选项：带有选项的结构，例如过滤强度输出， J : NL-means 滤波图像或图像体积功能（2）： J = NLMF2Dtree(I, 选项); 与 NLMF 相同，但会使用 kd-tre
2021-08-27 22:01:19
86KB
1
NLM(非局部均值)是一种降噪算法，其中每个像素的值由该像素周围的像素矩形(一个“中心补丁”)确定，所有像素大小相同的矩形(“搜索补丁”)都位于像素周围的一个相对较大的矩形(“搜索窗口”)中。
然后根据对应的搜索patch到中心patch的距离，对每个“搜索patch”的中心像素进行加权，通过计算搜索窗口中所有像素的加权平均得到输出像素
2021-08-27 16:05:40
1.05MB
1
LOWESS- 局部加权散点图平滑，不需要 matlab 中的统计工具箱。
此回归将适用于 X 和 Y 之间的线性和非线性关系。
修改： 12/19/2008 - 添加上下 LOWESS 平滑。 这些额外的平滑显示了 Y 的分布如何随 X 变化。这些平滑只是将 LOWESS 分别应用于正残差和负残差，然后添加到数据的原始 lowess。 相同的平滑因子适用于上限和下限。
2/21/2009 - 添加排序功能，数据不再需要排序。 还添加了一个例程，以便如果用户还提供了第二个数据集，则线性插值是最低的，并用于预测提供的 x 值的 y 值。
2009 年 10 月 27 日 - 修改了第二个用户提供的 X 数据以获得预测。 Matlab 函数默认排序是唯一的。 在代码部分中确实不需要使用 y 预测的 LOWESS 结果执行 x 数据的线性插值。 如果用户不提供第二个 x 数据集，它将假
2021-08-27 09:53:36
27KB
1
白噪声MATLAB代码contAdaptTranslation
在
Matlab
中
G.Francis
的
FACADE
模型的
Python
翻译和扩展，实现了轮廓自适应功能。
额外的
BEATS
代码作为填充问题的建议解决方案，完整描述参见
IOSS.odt。
代码和文件说明：
代码
----Models----
BEATS.py
Replica
of
M.
Keil
FACADE-like
model
CANNEM.py
Translated
&
Developed
replica
of
G.
Francis
FACADE-like
model
CANNEM_run_file.py
External
run
file
for
CANNEM
for
ease
of
access
dyn_norm.py
Replica
of
M.
Keil
Dynamic
Normalization
network
with
step-luminance
interal
checkers
Hybrid_dyn_norm....py
Development
code
of
hyrbrid
c
2021-08-25 16:01:20
137.22MB
1