图像增强demo
图像较大，请耐心等待图片下载。建议点击右上角的图标全屏观看。
亲爱的读者，这个算法效果如何？ 请写下您的看法哈。用阅读器的朋友请点这里。
喜爱这个图像处理demo展示flash的读者，请不要吝啬对terri的赞美。
对这个flash相册感兴趣的朋友可以直接拿源码了：
http://code.google.com/p/demoforimageprocess/
最新评论
- 发表于 RANSAC点滴四两拨千斤，随机算法的典范，很不错
- 发表于 世博会里的计算机视觉与增强现实话说这种projector-camera system市场前景咋样？
- 发表于 世博会里的计算机视觉与增强现实同感，到处都是投影仪，色彩艳丽逼真，液晶什么的统统靠边站。
- 发表于 RANSAC点滴不熟，帮他搬过家，汗！
- 发表于 世博会里的计算机视觉与增强现实关于投影的问题，你可以看看这个人的blog.http://www.ics.uci.edu/~majumder/
- 发表于 RANSAC点滴咋了。。。你跟他很熟？
- Pingback: 世博会里的计算机视觉与增强现实 | 增强视觉 | 计算机视觉 增强现实
- 发表于 RANSAC点滴晕，竟然是吴福朝的书，这个~~~有机会看看再说！
- 发表于 九月@filestorm 足以证明工科男生的悲剧所在啊，还是训猴子比较好玩
- 发表于 RANSAC点滴喜欢RANSAC!
- 发表于 RANSAC点滴RANSAC计算基本矩阵，心中的痛。。。
- 发表于 RANSAC点滴@cvchina 多谢！
- International Conference on Machine Learning and Cybernetics这个会我记得是没开出国门的烂会吧......上面的论文虽然读过一篇.........但是感觉很SB另外计算机学会那个是打印错了，并不是NIPS在B类，你可以从序号看出来
- @seenome 我也觉得这个词翻译的很不好，但另一位译者执意如此我也无力回天。（其实无力回天的地方很多。。。）
- 我觉得觉知这个词翻译的很不好，没有表达清晰。
做的很好啊。。。。大赞。。。
请教：是增加了图像的dynamic range吗？具体用的什么算法啊？
就是根据对比度和亮度，做了下非线性的拉伸。确实是增加了局部的动态范围。@powerlee
非常非常好！！！
太厉害了！是用什么软件处理的，发布了吗？
自己开发的算法吧。呵呵。
cvchina，躲在后面heihei 吧
cvchina，躲在后面很萎缩地嘿嘿吧。
我靠， 昨晚喝多了，说都不会话了
跟谁拼酒去了啊
说都不会话了。。。
看来还没醒过来。。。@hardegg
戈-san
今天入手了个IPC，正在鼓捣
唉，M6断货了，否则不用多花1K多
补充一句，Apple的原配耳机真的实在太烂了，烂到掉渣
直接打入冷宫了
IPC是啥玩意@hardegg
iPod Classic
开了匿名挺不错的，哈哈。我的处女贴快诞生了
效果真赞~~
真的假的啊
Cool
效果不错呀，源码公开吗？
相册flash源码公开。。算法不公开。
为啥没有特别的感觉……是flash效果特别还是增强算法特别？基本上就是感觉暗部提亮嘛，噪点还是不少
@Anonymous
flash只是个UI，方便图像处理实验结果的展示（对比处理前后）。
见仁见智嘛。图像增强本来就是主观性很强的。
噪点确实是个问题，见笑了。@Anonymous
这个和09年cvpr的best paper做的东西感觉挺像的，那个paper是去雾的，用的一个很简单但很有效的方法。
不敢跟那个比。那个提出了个dark channel，感觉是个很独特的发现。而且这个算法不能用到去雾上。去雾的话，我感觉retinex比较牛逼，清晰度没的说，缺点是感觉不太真实。
效果的确不错 相当牛逼
同意。
感觉此算法还好。和Iridix有一拼。颜色也很好。
不过还是在高光那里有过增强。LDR的IE realtime目前作了多少年了还是有很多工作。
Retinex还是简单实用的，关键是多个方面（HDR，haze etc）都不错。
在云雾和NULI上兼顾的确实不多。
李楷明博士的darkchannel去年作的很好，但今年好像转方向了，香港那边弄的都最新。呵呵
今天偶然路过,本站和我的方向完全一样。以后多多支持。
交流才有力量。
retinex确实简单实用。就是参数太难调。NASA没有透露参数设计的细节。我实现的retinex跟nasa的效果相去甚远。不知道他们怎么做的。Iridix倒是第一次听说，有什么来头？高光过增强有时候是会有一些，不过我已经做了很多抑制了。更大的问题其实是噪声，目前的实现有时候会放大噪声。挺烦的，还没想出一个好的解决办法（细节和噪声，真的是很难区分）。整体来说这个算法目前工作的不错，参数设置非常简单，我把参数个数简化到了一个。速度也不错，在一般的PC上可以实时调整参数观看结果。wyvern，看到的话，发我一个邮件。cvchina.info@gmail.com
@wyvern
应该是何恺明博士吧，他貌似还在做这块的东西…今年ECCV有一篇guided filter
呵呵，是何恺明。手误。手误。
他是国人之荣耀。
Iridix是Apical公司最牛的算法，上其公司的网可看看。算法是保密的。几乎没有文献。
其占全球的比例很高。
我们做的东西基本上被Apical公司做尽了，现在TI Altera 等等大牛全买了它的核。
ASIC都出了。日本那国又在相机等等用了，国人产品落后太多啊。
当然此算法都在DR上不可能完全兼顾。
关于增强和降噪，这些基本问题，个人感觉，如果是较大噪声，是分开进行的。
Apical是用单独的核来做的。做到完全自适应太难了。
当然在增强的过程中，尽可能避免过增强的问题，原来用PDE的spekel的方法（记不太清了）似乎可以兼容，但诸如能量函数设计，咱底子太薄，改不了多少。
NASA的在我们的评测中，是最好的，关键是能兼顾非常多的降质环境。其他算法我个人还没有看到。
兄弟们看到能在LDR的增强和去雾兼容的，告诉小弟一声。谢谢。
@cvchina
看过这篇文章，开始就觉得这个Dark Channel很蹊跷，也不知道作者究竟用了多少样本做的统计得到这个结论。实现了这篇文章，后来为了优化性能，把文章中提到的“在局部窗口内找一个Dark Channel”的这个局部窗口缩小到一个像素，也就是在每个像素都直接取min(R,G,B)作为Dark Channel，结果看来与文章中的并没有很大差别。这是为什么呢？我想很可能，把雾去好的原因并不是文章中说明的DarkChannel的道理，而是另有原因。一个去雾算法的好坏，很大程度上取决于对图像景深的估计，因为越远的地方雾对图像的影响越大，Dark Channel也是与景深相关的。假设不带雾的图像上的某点的像素值为(R’,G’,B’)，雾的像素为（D,D,D），那么min(R’,G’,B’)+D 总是比max(R’,G’,B’)+D 更接近于D，所以直接取min(R,G,B)作为Dark Channel，也一样可以得到不错的去雾效果，同时也避免了Soft Matting的大计算量操作。
关注这个论坛很久，知道这里牛人很多，讲的不对的地方也请大家多多指教。
看过这篇文章，开始就觉得这个Dark Channel很蹊跷，也不知道作者究竟用了多少样本做的统计得到这个结论。实现了这篇文章，后来为了优化性能，把文章中提到的“在局部窗口内找一个Dark Channel”的这个局部窗口缩小到一个像素，也就是在每个像素都直接取min(R,G,B)作为Dark Channel，结果看来与文章中的并没有很大差别。这是为什么呢？我想很可能，把雾去好的原因并不是文章中说明的DarkChannel的道理，而是另有原因。一个去雾算法的好坏，很大程度上取决于对图像景深的估计，因为越远的地方雾对图像的影响越大，Dark Channel也是与景深相关的。假设不带雾的图像上的某点的像素值为(R’,G’,B’)，雾的像素为（D,D,D），那么min(R’,G’,B’)+D 总是比max(R’,G’,B’)+D 更接近于D，所以直接取min(R,G,B)作为Dark Channel，也一样可以得到不错的去雾效果，同时也避免了Soft Matting的大计算量操作。
关注这个论坛很久，知道这里牛人很多，讲的不对的地方也请大家多多指教。