描述了在空间域!频率域以及数学形态学上的图像增强技术,分析和讨论了空间域和频率域以及形态学三种方法在指纹上的应用"由于采用单一的图像增强技术不能达到令人满意的效果,有必要将多种方法结合使用"经过实验处理后得到的结果图像,表现出指纹中的突出特征,实验结果中有些特征是单一图像增强技术不能提取出来的

针对在处理图像过程中，原始图像成像质量不高的问题，在图像处理软件中采用了图像增强方法，对图像某些信息突出显示，以达到改善图像视觉效果的目的。通过分析图像中成像的各个要素，采用了线性变化和非线性变换的方法实现对图像成像要素的增强，并采用加权最小二乘法对增强算法给予一定的优化，最后给出图像各个阶段的效果图以及仿真。通过仿真实验，得出算法可以有效的用于图像的增强处理中的结论。

Matlab中图像函数大全图像增强.doc

为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.

针对光照不均匀、光线暗等环境导致图像采集单元采集到的图像视觉效果差、噪声大等问题，本文提出一种基于视网膜和皮层(Retinex)理论改进的低照度图像增强算法去恢复图像原有的视觉特征。将低照度图像从红、绿、蓝(RGB)空间转换到色调、饱和度、亮度(HSV)空间，在HSV空间的V通道去对低照度图像进行处理，这样能够避免图像三基色比例关系被破坏；采用改进的多尺度Retinex (MSR)算法估计光照分量，用非局部均值(NLM)滤波代替高斯滤波，利用滤波窗口与相邻窗口间的递归关系来简化计算，不仅能准确估计光照分量，还能够提高图像的处理速度；最后进行颜色空间逆变换，转换到人眼习惯的RGB颜色空间。实验结果表明该算法可以有效提高图像清晰度，保护图像的细节信息。

用指数低通滤波器进行图像增强.rar

使用matlab对图像进行对比度调节，图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。

基于HSI(Hue, Saturation and Intensity)颜色空间提出一种快速偏振光学去雾方法。利用HSI颜色空间中强度与颜色无关的优势,在强度通道中利用偏振光学去雾方法进行去雾处理,然后利用颜色恒常性校正方法对图像的颜色畸变进行校正。该技术不仅具有良好的图像细节恢复能力,还有效地提高了偏振光学去雾方法的计算效率。与目前流行的去雾方法进行对比后可知,该技术可以得到更好或者相同的实验效果,但其执行效率更高。所提出的方法在图像实时去雾和视频去雾领域有广阔的应用前景。

基于matlab的直方图均衡化的彩色图像增强程序，通过matlab仿真，比较均衡化后的还原图像与输入原始真彩色图像，输出图像轮廓更清晰，亮度明显增强

本代码基于Opencv的CLAHE图像处理技术。基于论文 “基于CLAHE的X射线行李图像增强”，王建。