用matlab实现图像对比度增强算法的源代码，很实用。

数据融合matlab代码从多重曝光图像中学习深层单图像对比度增强器 抽象的 由于不良的照明条件和数字成像设备的动态范围有限，因此记录的图像通常曝光不足/曝光过度且对比度较低。 大多数以前的单图像对比度增强（SICE）方法都会调整色调曲线以校正输入图像的对比度。 但是，由于单个图像中的信息有限，这些方法通常无法揭示图像细节。 另一方面，如果我们可以从适当收集的培训数据中学习更多信息，则可以更好地完成SICE任务。 在这项工作中，我们建议使用卷积神经网络（CNN）来训练SICE增强器。 一个关键问题是如何为端到端CNN学习构建低对比度和高对比度图像对的训练数据集。 为此，我们建立了一个大规模的多重曝光图像数据集，其中包含589个精心挑选的高分辨率多重曝光序列和4,413张图像。 采用十三种代表性的多曝光图像融合和基于堆栈的高动态范围成像算法来生成每个序列的对比度增强图像，并进行主观实验以筛选质量最好的图像作为每个场景的参考图像。 利用构建的数据集，可以轻松地将CNN训练为SICE增强器，以改善曝光不足/曝光过度图像的对比度。 实验结果证明了我们的方法相对于现有SICE方法的优势，并且具有很

matlab图像均衡化代码克拉赫 对比度受限的自适应直方图均衡化更改您的裁剪限制以获得更好的输出。 简单的直方图方法存在强度饱和的问题，这会导致信息丢失，这在医学图像的情况下是不可接受的。 因此，无论何时我们想要保留图像的细节同时提高图像质量，CLAHE都是最好的选择之一。 在图像强度很暗的医学图像中，CLAHE可提供更好的图像。 运行代码的步骤： 打开MATLAB并转到存储fn_CLAHE.m的路径。 在“运行”中将图像名称指定为“ example.jpg” 运行程序并查看结果

【图像增强】基于局部对比度增强的CLAHE算法 --直方图增强.md

对用高速相机CCD采集到的激光散斑图像对比度进行分析，对散斑图像进行评价

图像融合、论文复现、MATLAB代码

对比度拉伸、负值、幂律等图像灰度变换研究转换，位平面切片，单双阈值保持。 代码简单，容易理解。

资源中包括扩展类IAMVideoProcAmp.cs、VideoCaptureDevice.cs、VideoProcAmpProperty.cs，使用方法如下： 1.将资源中的文件放到AForge.NET\Framework\Sources\Video.DirectShow下，编译。 2.在工程中重新添加AForge.Video.DirectShow.dll即可。 GetVideoPropertyRange GetVideoProperty SetVideoProperty

行业分类-作业装置-一种基于图像熵的对比度失真图像质量评价方法.7z

主要介绍了Python 图像对比度增强的几种方法(小结)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧