matlab code for 2016 HDR infrared images detail enhancement based on local edge preserving filter matlab code for 2016 HDR infrared images detail enhancement based on local edge preserving filter 基于局部边缘保持滤波器的2016年HDR红外图像细节增强的matlab代码

较为全面的介绍了红外图像增强技术，主要分频域及空域两种方式，对红外所成图像进行相应处理

数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着重要的作用。本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的技术要点，并对其图像增强方法进行性能评价。

基于 Retinex-UNet 算法的低照度图像增强

MATLAB的实现，希望对大家有用

批量最大化裁剪 1. 数据增强：将原数据旋转一周，每次旋转3度，得到共计120景扩充后的数据； 2.四种不同裁剪方式的裁剪:（1）以左上角为起点；（2）以右上角为起点；（3）以左下角为起点；（4）以右下角为起点；（裁剪大小=24*24，步长=6。小块图像命名时前面加上日期名，并区分不同旋转度数和裁剪方式），要求得到的小块图像中不含任何空值且设置裁剪条件为温度值在220~320之间（去除异常值），对数据进行归一化到0~1之间，公式为（T-273.15+60）/130；每组得到三个日期的小块有效数据集 3.找出每组得到三个日期的数据集的共有数据集（即交集），并统计四种不同裁剪方式得到的共有数据集的

为了解决分数阶微分算子在图像增强中需要人工寻找最佳阶次，缺乏阶次自适应的问题，构造了分数阶微分阶次自适应数学模型。该模型以反正切函数为原型，以图像的梯度信息、局部信息熵、亮度和对比度为自变量，建立了微分阶次与图像局部信息之间的关系，从而可以根据图像的局部信息特征自动计算图像中各个像素点的最佳阶次，并将该模型应用在分数阶微分Tiansi算子的图像增强中。为了验证该模型的有效性，选用标准图像库中的多幅纹理图像进行实验，对实验结果进行了定性和定量分析，在定量分析中采用图像信息熵、平均梯度、清晰度和对比度四个评价指标衡量图像增强的效果，并与二阶微分Laplacian算子、Tiansi算子进行比较。理论分析和实验结果均表明建立该模型的有效性，对灰度图像可以得到连续变化的增强效果，接近于最佳分数阶微分增强效果，符合人们的视觉感受。

图像的增强处理，包括滤波，加噪等等，用gui做了界面

基于matlab的数字图像处理课程设计，能够实现人像祛斑以及饱和度亮度调整，实现彩色图像增强的基本操作。能够对景物和人像图片进行滤波等处理，含简单的GUI设计。

严格遵循MVC模式开发，实现图像增强（边缘增强和图像锐化）和图像分割（边缘检测）。