该压缩包内包含图像增强方法之一的retinex算法matlab代码，带有一定注释。

本资源为成对的模糊图像、清晰图像数据集，包含有成对训练集2000组及测试集若干组，适用于图像去模糊等多种任务的深度学习模型训练及测试。

数据增强软件，里面有两个python文件，分别运行实现旋转，亮度变化等操作。自动生成对应标签xml文件，增加图像数据量。图片不会生成xml的，可以看看博主文章图片to xml博客。在实现过程中，一个py只能运行一次，运行完后，得及时把xml和img分开，不要让xml和对应图片在一个文件夹。

全变差去噪matlab代码令人敬畏的低光图像增强 论文和代码 评论与相关工作 [2021 IJCV ]基准微光图像增强及超越 [2020 IEEE ACCESS ]基于实验的弱光图像增强方法综述 基于HE的算法 去做 基于Retinex的算法 [2020年提示] LR3M：通过低阶正则化Retinex模型进行鲁棒的微光增强 [2018技巧]通过稳健的Retinex模型揭示结构的微光图像增强 [2016 CVPR ] MF：同时反射率和照度估计的加权变分模型 [2017提示] LIME：通过照明贴图估计进行低光图像增强 基于降噪的算法 去做 监督深度学习算法 [2021技巧]稀疏的梯度正则化深度Retinex网络，用于鲁棒的弱光图像增强（） [2020 CVPR ]学习通过分解和增强来还原弱光图像 [2019预印本]注意引导的微光图像增强 [2018 BMVC ] Retinex-Net：用于弱光增强的深度Retinex分解 [2018 FG ] GLADNet：具有全球意识的弱光增强网络 [2018 CVPR ]学习在黑暗中看 半监督深度学习算法 [2020 CVPR ] DRBN：从

Retinex图像增强算法( MSR, MSRCR)详解及其OpenCV源码 在原来的基础修改了下 我用的是Opencv 3.4.5 ,原来的是opencv2.4.9 编译有个错误，需要修改

1.绪论 2.图像采集 3.像素空间关系 4.空域增强技术 5.图像变换基础 6.频域图像增强 7.彩色图像处理 8.图像恢复 9.图像重建 10.典型图像变换 11.图像编码基础 12.图像编码方法 13.图像水印 14.多尺度图像技术 附录：图像国际标准 图像工程教学参考及习题答案

针对传统 Retinex 算法处理红外图像存在光晕伪影和细节增强不足的缺点，本文提出一种消除光晕和细节增强的 Multi-scale Retinex（MSR）红外图像增强算法。首先，以局部方差和局部复杂度构造引导滤波的自适应平滑增益，然后，采用改进的引导滤波核函数估计照度分量，在对数域对多尺度 Retinex 数学模型求解，获取消除光晕和细节保持的多尺度反射分量。最后，为进一步增强细节和提升亮度，对反射分量依灰度等级进行自适应增强，并通过偏移调整和Gamma 校正改善图像亮度，得到最终增强图像。实验结果表明，本文算法相对其它的 Retinex 增强算法，可有效地消除光晕现象，突出细节，可获得视觉效果良好的增强结果.

行业分类-物理装置-基于四元数与L1范数的粒子群优化灰度图像增强方法.zip

提出一种新的基于无限冲激响应( IIR) 低通滤波的Retinex 图像增强算法, 该算法具有边缘保留功能, 不会产生光晕效应, 而且计算量较小. 并将该算法与实数编码遗传算法相结合, 使其具有针对不同图像特点自适应选择参数的功能. 通过对低照度图像和雾天图像的实验表明, 该算法能够根据图像的特点自动选择出较合理的参数, 处理后的图像在清晰度和色彩上较MSR 及MSRCR 算法具有更好的效果.

为提升水下图像的增强效果，提出了一种基于金字塔注意力机制和生成对抗网络(GAN)的水下图像增强算法。它将生成对抗网络作为基本架构，生成网络采用编码解码结构并引入特征金字塔注意力模块，多尺度金字塔特征与注意力机制的结合可以捕获更丰富的高级特征以提升模型性能；判别网络采用类似马尔科夫判别器的结构。此外，通过构建包含全局相似性、内容感知和色彩感知的多项损失函数，使增强后的图像与参考图像的结构、内容和色彩保持一致。实验结果表明，所提算法增强的水下图像在清晰度、颜色校正和对比度上都有所提升。其中，在SSIM、UIQM和IE指标上的平均值分别为0.7418、2.9457和4.6925。在主观感知和客观评价指标上，所提算法的实验结果均优于对比算法。