针对传统对比度增强算法对图像增强的不足,提出一种基于形态滤波重构原图像的对比度增强方法。该方法使用多尺度top-hat变换提取图像多尺度下的亮、暗细节特征,并根据多尺度下局部细节特征的重要性,利用非线性函数对这些特征进行反差增强,突出图像隐藏的信息。实验结果表明,与传统算法相比,该方法有效的增强了图像的对比度,且能抑制噪声放大,视觉效果更好,避免了传统对比度增强算法存在的过增强或细节增强不足的问题,适用范围较广。

实现了低对比度图像的直方图均衡化处理，提高了图像的对比度和显示效果。适合数字图像处理领域。

基于retinex与matlab的图像对比度增强算法，MATLAB

GLG分组用于图像增强，对比于传统具有自动，在效果上也有很大的增强。

为实现室外模糊红外图像对比度增强，提出一种基于去雾模型的红外图像增强方法。结合红外图像特点，对可见光去雾增强方法进行改进优化。采用三级高斯金字塔分解扩展实现图像快速均值滤波，获取透射率粗估计；通过图像统计信息自适应细化透射率，恢复出无雾图像；针对无雾图像整体亮度较暗现象，进一步采用背景抑制的分段对比度增强。实验结果表明：增强后图像细节信息突出，层次感丰富，人眼视觉效果良好。客观测评结果表明，该算法能有效增强红外图像对比度。嵌入式平台测试耗时28ms，可以实现实时红外图像增强处理。

为了将红外图像的全局信息与可见光图像的细节信息进行有效结合,进一步提高融合后图像的质量,提出了一种同时增强图像边缘细节和对比度的非下采样剪切波变换(NSST)域红外和可见光图像融合方法.首先,通过平移不变剪切波将图像分解成为低频子带与高频子带,通过全局显著性图分析图像的对比度信息;利用改进型局部显著度图分析图像局部边缘信息.针对不同频带系数,结合边缘信息和对比度信息对频带系数进行融合,最后,利用逆变换得到最终的融合图像.大量实验结果表明,本文方法在提高图像整体对比度的同时增强了图像的边缘细节表现能力,优于现有的基于小波变换,非下采样轮廓波变换(NSCT)和显著度图等几种图像融合方法.

鸡群优化是一种新的元启发式算法，它模仿了鸡的觅食等级行为。该项目描述了使用鸡群选择算法对数字图像进行对比度增强。

灰度线性变换是最常⽤的图像点运算之⼀，将图像的像素值通过指定的线性函数进⾏变换，以此增强或减弱图像的灰度。 程序主要实现以下功能 1) 显示原始图像，并求其原始图像的直方图 2) 通过⼀维线性函数增强对比度，并显示对比度增强后的直方图 3) 通过⼀维线性函数减小对比度，并显示对比度减小后的直方图 4) 通过⼀维线性函数线性平移增加亮度，并显示其直方图 5） 对图像进行反向显示，并获取反向显示图像的直方图 程序基于matlab代码；如不确定该资源的功能，可私信博主进一步了解该资源的详细功能。

基于retinex与matlab的图像对比度增强算法，MATLAB，带GUI用户界面

在图像增强中，我们遇到了使用灰度图像的对比度增强，同样我们也可以在颜色空间中做同样的事情，但是这个问题会根据特定的颜色空间而有所不同，例如：RGB、CMYK 和 HSI