用matlab实现图像对比度增强算法的源代码，很实用。

数据融合matlab代码从多重曝光图像中学习深层单图像对比度增强器 抽象的 由于不良的照明条件和数字成像设备的动态范围有限，因此记录的图像通常曝光不足/曝光过度且对比度较低。 大多数以前的单图像对比度增强（SICE）方法都会调整色调曲线以校正输入图像的对比度。 但是，由于单个图像中的信息有限，这些方法通常无法揭示图像细节。 另一方面，如果我们可以从适当收集的培训数据中学习更多信息，则可以更好地完成SICE任务。 在这项工作中，我们建议使用卷积神经网络（CNN）来训练SICE增强器。 一个关键问题是如何为端到端CNN学习构建低对比度和高对比度图像对的训练数据集。 为此，我们建立了一个大规模的多重曝光图像数据集，其中包含589个精心挑选的高分辨率多重曝光序列和4,413张图像。 采用十三种代表性的多曝光图像融合和基于堆栈的高动态范围成像算法来生成每个序列的对比度增强图像，并进行主观实验以筛选质量最好的图像作为每个场景的参考图像。 利用构建的数据集，可以轻松地将CNN训练为SICE增强器，以改善曝光不足/曝光过度图像的对比度。 实验结果证明了我们的方法相对于现有SICE方法的优势，并且具有很

【图像增强】基于局部对比度增强的CLAHE算法 --直方图增强.md

图像融合、论文复现、MATLAB代码

主要介绍了Python 图像对比度增强的几种方法(小结)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

有报告，有代码，有教程 function shiyan5 clear; %使用霍夫曼编码算法对图像进行编码 clear all; image=imread('图片.jpg'); %读取彩色原图像 image_hui=rgb2gray(image); %灰度化图像 image_88=image_hui(1:8,1:8,:); [M,N] = size(image_88); I1 = image_88(:); P = zeros(1,256); %获取各符号的概率；

包括直方图增强，线性增强和非线性增强3种

图像的批量数据增强。程序需要python环境，使用起来方便快捷。只需修改图片来源和输出路径，并根据功能调整即可

matlab开发-彩色图像对比度增强。这个程序演示了色彩空间中对比度增强的概念。

为了提高光电成像系统对目标的探测识别能力, 提出了一种彩色偏振成像的目标-背景对比度增强方法。基于菲涅耳原理, 分析了目标偏振度随入射光波长的变化规律; 采集不同偏振片旋转角度下的彩色偏振图像, 从中分离出红、绿、蓝三通道下的0°、45°、90°和135°偏振图像, 并分别计算各通道的偏振度图像, 将红、绿、蓝三通道偏振度图像合成为新的彩色偏振图像, 得到比彩色成像原图更加丰富的图像信息。搭建了彩色偏振成像实验系统, 将矢量角度距离和对比度计算作为两种客观评价指标, 开展了两组目标-背景的对比度观测实验。结果表明, 该彩色偏振成像方法将目标与背景的矢量角度平均距离增加了0.13, 对比度平均提高了0.11。