医学图像处理和分析在对疾病的成像诊断中起到辅助医生确定病变局域的重要作用。但是由于人体的组织密度极其复杂，由于各种不良因素的影响，从而导致医学图像（尤其是X射线医学影像等）普遍存在对比度低、动态范围窄、强度分布不对称、边缘不清晰等问题。针对上述问题，结合医学图像特点和光照估计模型提出一种基于Canny算子加权引导滤波的Retinex（CWGFR）医学图像增强算法。首先，利用Canny边缘检测算子准确估计加权引导滤波器的边缘权重并通.过加权引导滤波器对光照进行估计，从而得到入射光分量；然后根据Retinex算法原理计算出反射光分量，即log域上的增强图像；最后对图像进行量化处理，增强其图像对比度从而得到输出图像。对比实验结果表明，论文算法在提高图像对比度的同时，具有更高的边缘保持特性，能够凸显图像细节信息，有效消除“光晕”伪影。

一种改进的红外图像增强算法

针对RetinexNet低照度图像增强算法中出现的颜色失真、边缘模糊等问题,提出了一种改进的RetinexNet算法。首先,利用HSV(Hue,Saturation,Value)颜色空间模型中各通道相对独立的特性,增强亮度分量;然后,利用相关系数使饱和度分量随亮度分量的变化自适应调整,避免图像色感发生变化;最后,针对增强图像的边缘模糊问题,采用Laplace算法对反射率图像进行锐化处理,增强图像的细节表达能力。实验结果表明,本算法可以有效增强图像的细节,保持图像的整体色彩和原始图像一致,提高图像的视觉效果。

基于opencv4.10的retinex视网膜皮层图像增强算法，能比较好的实现图像画质增强

针对现有的Retinex算法不能自动调节参数，提出一种基于参数估计的双边滤波Retinex算法。该算法首先利用主成份分析和Canny边缘检测算法分别进行噪声估计和边缘强度估计；然后通过线性相关运算计算双边滤波的空间几何标准差参数和亮度标准差参数；再利用参数估计的双边滤波把图像分解出照度图像和反射图像；最后将照度图像和反射图像通过不同方法的压缩和增强并合成一幅新的图像。通过实验表明，它不仅能够自动设置参数，还能有效抑制光晕现象。

基于opencv4.10的clahe限制对比度自适应直方图增强算法的代码。

低信噪比下基于信号子空间的语音增强算法研究

基于延迟-求和的麦克风阵列语音增强算法研究.pdf 延迟-求和 麦克风阵列 语音增强

主要描述了一些常用的图片增强方法和对应方法所产生的效果

基于引导滤波的图像分层处理技术，对不同层的信息进行分层处理，获取不同的信息，然后用合并，得到最后结果，可进行图像增强算法的分层等