包含多个低光照增强数据集，LOL(有对比，弱光和正常光（附论文）)、LIME（无对比（附论文））、GladNet-dataset、MEF、DICM、NPE等数据集,有的数据集太大，放在记事本网盘中，自行提取一下了，，，，，，最多能上传1个g。

为了解决在低照度条件下,可见光成像设备采集的图像亮度低、细节不清晰等问题,提出一种基于亮度通道细节增强的低照度图像处理算法。首先,将图像从RGB转换到Lab颜色模型,将Lab模型中的亮度通道通过指数派生函数校正构造为光照分量,再经过Retinex增强得到初步增强图像。然后,采用结构张量和多尺度引导滤波分别对初步增强图像进行细节提取,并将两种方法提取的细节信息进行了融合。最后,将细节图像和初步增强图像融合得到了目标图像。实验结果主观上得到了亮度合适、细节清晰的增强图像,客观上在亮度失真、信息熵和能量梯度上均有良好且稳定的表现,表明该算法能够有效提高图像的亮度和细节信息,并保持自然的色彩和光照效果。

研究了空间域下基于直方图处理的图像增强算法。通过直方图统计获得具体参数，根据平均值和方差调整图像的强度和对比度，以实现对图像的增强。由于对图像进行全局增强，不能有效突出局部特征,因此重点阐明局部图像增强的算法。试验结果表明，该算法可以有效增强图像的局部细节。

Image Enhancement for SLAM 在使用Semi-direct Method跑Euroc Dataset的v103数据时，发现效果很不好。导致错误的主要的原因有：图片太暗，对比度太低；图片亮度变化很大（不限于帧间，左右目有时候也会出现亮度不一致的情况）。于是，需要对输入图像进行预处理，提高图片的对比度，并且使得进行跟踪的两张图片亮度一致。 对于提高图片的对比度，最简单的方法是使用直方图均衡化。不过直方图均衡化有一些很明显的缺点，如变换后细节消失；不自然的过分增强。对于SLAM系统，往往会在过份增强的纹理上提取出一些关键点，而这些关键点我们认为是不稳定的。所以，我们需要一种更加先进的图像增强算法用于SLAM的图像预处理。 本文提出了一种基于Retinex理论的图像增强算法，对欠曝光的图像进行增强, 能够恢复图像中的纹理，并且做到实时处理。 References Paper

MATLAB视频图像去雾，读取雾霾视频，分帧，去雾增强，合并视频，GUI界面

基于融合的单背光图像增强方法

边缘增强滤波的源代码，带测试图像，很好的

【老生谈算法】MATLAB图像增强处理.doc

文件夹资料包括数字图像处理的实验报告，还有电子教案以及电子教案的源程序。

使用matlab实现图像增强的功能。具体的思路是通过直方图均衡化的方法，但是用的不是matlab自带的函数