为实现医学图像中感兴趣区域辨识度的增强.针对医学图像中CT图的特点提出一种增强算法(Rough Computed Tomography Algorithm,RCTA).算法以粗糙集(Rough Sets,RST)中不可分辨关系理论为基础,根据医学图像中不同的人体组织对应不同的CT值的特点,来定义等价关系,从而将医学图像划分为不同区域,然后对感兴趣区域灰度值保持不变,对其他区域的灰度值作最大化/最小化处理.用RCTA对临床300余张肺部医学图像进行了实验,最后,使用DSM(Distribution Separation Measurement)对RCTA与其他3种常用的增强算法进行量化对比.结果表明:RCTA对医学图像感兴趣区域辨识度的增强,有较好的效果.

针对红外图像对比度低和细节信息少的特性，提出一种能保持亮度和增强细节的方法。改进的自适应双边滤波将图像分成基本层和细节层，在基本层利用基于高斯混合模型的直方图规定化实现亮度保持，在细节层利用人眼视觉特性自适应选取增强函数来增强较弱细节并保护原图像中的清晰边缘不失真，再恢复到原来灰度空间。研究结果表明：该算法可保持整体明暗视觉效果，同时，原图像中较暗和较亮处的细节都可得到有效增强.

图像增强算法：直方图均衡（处理灰度图、处理彩色图）、对比度受限的自适应直方图均衡、Retinex 复制代码即可跑

【图像增强】基于BIMEF算法多曝光融合框架实现微光图像增强

文件包含两部分，一个是银行卡号部分的截图，文件名即卡号，1000多条，另一部分是数据增强部分代码，并生成对应图片路径及标签文件。

【项目程序】对图像进行频率域图像增强，计算并画出此图像的中心化频率谱，用拉普拉斯算子对此图像锐化.rar

用OpenCV和VS 数字图像处理，实现图像增强（包括线性增强，邻域平均，中值滤波等），图像变换（平移，镜像等），二值，灰度图像腐蚀膨胀，开闭等，霍夫变换检测直线，大津阈值分割等，连通域个数及面积求取等

1. 利用二个低通邻域平均模板（3×3和9×9）对一幅图像进行平滑，验证模板尺寸对图像的模糊效果的影响。 2. 利用一个低通模板对一幅有噪图像（GAUSS白噪声）进行滤波，检验两种滤波模板（分别使用一个5×5的线性邻域平均模板和一个非线性模板：3×5中值滤波器）对噪声的滤波效果。 3. 选择一个经过低通滤波器滤波的模糊图像，利用sobel和prewitt水平边缘增强高通滤波器（模板）对其进行高通滤波图像边缘增强，验证模板的滤波效果。 4.选择一幅灰度图像分别利用 一阶Sobel算子和二阶Laplacian算子对其进行边缘检测，验证检测效果。

低通滤波实现图像增强和小波滤波器去噪增强变换,基于小波变换的图像去噪,matlab源码.zip

教初学者使用小波对图像进行增强，很实用的两个代码。