mnist+digits数据集使用图像增强共同训练的Python源代码，可以让识别准确率达到99%，即使是自己的手写数字也可以！

随着科技的进步和技术的发展,在临床医学中医学CT图像发挥着越来越重要的作用，它成为医师诊断疾病的重要手段,尤其在肺癌的早期检查中。近年来，医学影像技术的发展提高了医学诊断的准确度和可信度。医学CT图像跟普通图像有很大的不同，它是对人体的成像。人体的组织器官的密度.各不相同、人体的呼吸运动、心跳运动以及获取图像的设备的质量差异，这些因素都可能造成CT图像中感兴趣区域的对比度差、细节边缘模糊、掺杂噪声等问题，这些问题会对医生的诊断造成很大的影响。为此医学CT图像去噪和增强算法的研究就便得十分重要。本文主要从CT图像去噪和CT图像增强两方面进行研究，提出了两种适合与医学CT图像去噪和增强的算法。版权属于原作者，仅供下载学习交流使用，不得用于商业用途，下载完后请于24小时内删除，谢谢配合。

使用GAN的图像增强 项目

基于图像增强方法，本文提出了一种使用亮度映射的图像去雾快速算法。此算法通过调整室外多雾场景图像的对比度，提高了雾中物体的辨识度。算法的复杂度低、处理延迟小，实时性高，利于FPGA的实现。实现时不需外存储器，延时为ns级，并提供了强度调节接口，以适应较广的应用环境。

针对特殊环境（雾天、傍晚）下车牌图像由于光线暗淡而使得识别效果明显下降的问题，提出一种使用改进的Retinex算法（五尺度Retinex算法）与幂函数和双边滤波相结合对特殊环境下的车牌图像进行增强的算法。首先用幂函数对雾天、傍晚环境下的车牌图像进行处理，再采用双边滤波处理，最后经过五尺度Retinex算法处理。与传统Retinex算法相比，所提出的算法取得了较好的对特殊环境下的车牌图像增强的效果，改善了车牌图像的视觉效果，并且处理时间较短，对现实生活具有可观的实际意义。

较全面的经典的图像增强对比去雾算法，可用于论文实验的对比，全部为MATLAB代码，主要包括RETINEX的各类图像增强代码，直方图各类代码，同态滤波的各类代码等，全部可用！！！！

水下图像成像过程与雾天图像类似, 但传统的去雾方法用于水下图像处理效果欠佳。针对水下捕获图像存在颜色衰减严重和蓝(绿)色基调的问题, 提出了一种基于改进暗原色先验和颜色校正的水下图像增强方法。结合光在水下的传播特性, 对空气中的暗原色先验去雾算法进行改进, 在求取水下暗原色通道和图像背景光时考虑红色通道的逆通道; 提出先采用改进的水下暗原色先验法去除后向散射光, 再通过白平衡算法对增强后的水下图像进行颜色校正的方法。实验结果表明, 相比于传统算法, 本文的方法在处理后向散射严重的水下图像时, 可以获得更高的清晰度和对比度。

煤矿井下环境比较灰暗,采集的视频图像画面不清晰,尤其在发生事故时,需要对现场画面进行增强和轮廓提取处理。针对该问题,介绍了一种基于Visual C++的图像增强和轮廓提取的设计方法。该方法采用Visual C++处理位图图像,运用灰度变换方法实现图像增强、模板匹配方法实现边缘检测来突出图像轮廓。实验结果表明,采用该方法处理的图像得到了增强并较好地提取了图像轮廓,达到了预期效果。

图像增强算法，当前图像界最优秀的算法介绍。

数字图像图像增强、加噪课设（matlab）.zip