医学图像处理和分析在对疾病的成像诊断中起到辅助医生确定病变局域的重要作用。但是由于人体的组织密度极其复杂，由于各种不良因素的影响，从而导致医学图像（尤其是X射线医学影像等）普遍存在对比度低、动态范围窄、强度分布不对称、边缘不清晰等问题。针对上述问题，结合医学图像特点和光照估计模型提出一种基于Canny算子加权引导滤波的Retinex（CWGFR）医学图像增强算法。首先，利用Canny边缘检测算子准确估计加权引导滤波器的边缘权重并通.过加权引导滤波器对光照进行估计，从而得到入射光分量；然后根据Retinex算法原理计算出反射光分量，即log域上的增强图像；最后对图像进行量化处理，增强其图像对比度从而得到输出图像。对比实验结果表明，论文算法在提高图像对比度的同时，具有更高的边缘保持特性，能够凸显图像细节信息，有效消除“光晕”伪影。

来自cnki的优秀硕士毕业论文，大家可以参考参考

经典retinex_mccann图像增强MATLAB程序，用于消除图像的光照不均匀性。

一种改进的红外图像增强算法

retinex.m是用MATLAB编写的夜间图像增强算法retinex，经过测试，增强效果较好。

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。

该压缩包内包含图像增强方法之一的直方图均衡化matlab代码，带有一定注释。

图像增强.zip，c代码

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。