武汉大学提出ARGAN：注意力循环生成对抗模型用于检测、去除图像阴影 | ICCV 2019

https://blog.csdn.net/weixin_42137700/article/details/103211491

下面是传统的最大滤波，最小滤波方法：

python速度比较慢，一张图需要几秒钟，输出的图，opencv不能show,效果有一点点

源码：https://github.com/kavyamusty/Shading-removal-of-images

2.删除阴影时，有两件事要注意。由于图像是灰度图像，如果图像背景较浅且对象较暗，则必须先执行最大滤波，然后再执行最小滤波。如果图像背景较暗且物体较亮，我们可以先执行最小滤波，然后再进行最大滤波。

那么，最大过滤和最小过滤到底是什么？

3.最大滤波：让我们假设我们有一定大小的图像I。我们编写的算法应该逐个遍历I的像素，并且对于每个像素(x，y)，它必须找到该像素周围的邻域(大小为N x N的窗口)中的最大灰度值，并进行写入A中相应像素位置(x，y)的最大灰度值。所得图像A称为输入图像I的最大滤波图像。现在让我们通过代码来实现这个概念。

max_filtering()函数接受输入图像和窗口大小N。

它最初在输入数组周围创建一个“墙”(带有-1的填充)，当我们遍历边缘像素时会有所帮助。

然后，我们创建一个“ temp”变量，将计算出的最大值复制到其中。

然后，我们遍历该数组并围绕大小为N x N的当前像素创建一个窗口。

然后，我们使用“ amax()”函数在该窗口中计算最大