为了实现图像转换，可以使用神经网络。 神经网络的主要优点是它们的自动学习能力。 在这种情况下，提出用于训练基于神经网络的自适应滤波器，以使用一对图像，其中原始图像是样本，并且通过任何现有的滤波器或变换从样本中改变第二个图像。 当过滤器的尺寸远小于原始图像的尺寸时，自适应过滤器需要恢复此转换。
为此，请使用
dy和3个颜色通道的
dx大小的窗口（自适应滤镜窗口的大小比图像大小小得多）。 结果，神经网络将
dx ∙
dy ∙3个输入信号用于输入神经元。 该网络可以由与滤镜转换的颜色因子关联的神经元数量的隐藏层来补充。 建议在神经元的输出端使用3个神经元，其输出信号在输出图像的窗口中心像素中映射为三种颜色（
rgb-红色，绿色，蓝色）。 像素的颜色通道的信号被线性转换为[
-0.5 ;
0.5 ]。 而反对称的S型函数的值间隔为[
-1 ;
1 ]。 对于图像的边界像素，当窗口超出图像范围时，将与此类像素相对应的网络神经元的输入值设置为0。通过误差的反向传播方法，在窗口上针对输出图像的所有像素训练神经网络。
该工作中实现了带有图形用户界面的
Java语言的自适应过滤器和神经网络程序。
作为实验的结果，这种滤光片显示出相当令人满意的结果，并且具有学习各种颜色非结构转换的能力。
还用受过训练的，经过训练的自适应过滤器（
棕色到白色）实现了
Web应用程序：
svlab Web FotoBW 。
可以在此处下载类似创建的
Android应用程序 ：
svlab Android FotoBW 。
要上传新图像，必须单击“选择文件”按钮（图像文件必须为.jpg格式）。
接下来，您需要等到服务器上的图像处理完毕并将其返回给应用程序。