基于Retinex的MSRCR算法，MATLAB实现

低照度视频图像 处理文档10篇 主要讲述怎么处理低照度的图像 ，的图片文档 各种算法均有提到 还有小波等的去噪声 去雾化的一些方法 总共127M 文档

为了提高低照度图像的清晰度和避免颜色失真,提出了基于注意力机制和卷积神经网络(CNN)的低照度图像增强算法,以改善图像质量。首先根据Retinex模型合成训练数据,将原始图像从RGB (red-green-blue)颜色空间变换到HSI (hue-saturation-intensity)颜色空间,然后结合注意力机制和CNN构建A-Unet模型以增强亮度分量,最后将图像从HSI颜色空间变换到RGB颜色空间,得到增强图像。实验结果表明,所提算法可以有效改善图像质量,提高图像的清晰度,避免颜色失真,在合成低照度图像和真实低照度图像的实验中均能取得较好的效果,主观和客观评价指标均优于对比算法。

LIME低照度图像增强算法，里面包含C++程序和测试效果图像，可直接使用，效果惊人，非常值得下载！！！

此资源提供了如何利用opencv进行低照度图像增强的详细解答

水下图像/视频 颜色恢复 同时有去雾 低照度图像增强的功能 压缩包解压即可处理效果可移步ttps://blog.csdn.net/qq_37487118/article/details/104884230 360可能报毒

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 Retinex-UNet 算法的低照度图像增强

为了解决低照度图像的细节信息缺少和清晰度低的问题,在HSV(Hue, Saturation, Value)色彩空间中,采用非下采样剪切波变换(NSST)与Retinex理论的融合算法对低照度图像进行处理。首先对HSV空间的V分量进行分解,得到多个高通子带与一个低通子带,对高通子带采用改进的基于贝叶斯萎缩的自适应阈值算法完成去噪,对低通子带采用改进的自适应局部色调映射算法提高对比度,然后对两个子带进行NSST逆变换以得到新的V分量并对其进行白平衡处理,最后将处理后的图像反转到RGB(Red,Green,Blue)空间中得到结果图像。实验结果表明,所提算法能够改善低照度图像的质量,提高清晰度与对比度。

低照度图像增强，opencv3.2+vs2017，C++代码。 针对全局较暗的图像能有很好的增强效果。 代码注释的很详细，也比较简单。 提供了两张图片以供测试。 若有问题，可以找我。