基于retinex与matlab的图像对比度增强算法，MATLAB，带GUI用户界面

这种增强算法首先依据像素的R，G，B分量将输入的彩色图像被分解成为三幅图像，代表场景中波长不同（长波、中波和短波）的反射光的强度；分别计算长波、中波和短波波段内像素间的相对明暗关系，进而确定每个像素的色彩。最后，将Retinex色度空间内的色彩线性映射到RGB空间，获得经过增强的图像。通过这种方法所获得的图像具有色彩逼真度、动态范围大的特点。计算机仿真结果表明运用这种方法进行图像处理可以获得非常好的处理效果。

数字医学图像有其特殊性，为便于医生的正确诊断，需要对图像进行增强处理。根据数字医学图像的特点，提出了类似Retinex方法。该方法采用梯度和context构成的平滑函数平滑图像，利用类似Retinex原理增强图像，并对增强后的图像施行二次变空间拉伸。实验及主客观分析表明：该方法对数字医学图像增强的综合效果明显优于直方图均衡、同态滤波和多尺度Retinex方法。

为提高图像识别在分类时的质量，必须在图像的预处理阶段对噪声进行滤除，对图像中的目标对象加以增强。从研究图像增强的空域法人手，利用多尺度Retinex灰度图像增强算法完成图像的增强。做到改善图像颜色恒常性，压缩图像动态范围，提高对比度，有效显示淹没在阴影、光照等区域中的细节。在仿真实验中，对图像进行高斯滤波，确定了高斯滤波系数。仿真结果证明该方法可行，在完成图像增强的同时，对噪声有较好的抑制作用。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：matlab基于多尺度retinex算法的图像去雾代码_已测试能直接运行_能较好得去雾并保留原图色彩 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

对传统的RETINEX的一种改进的算法及其应用。

white patch retinex 白点检测用于数字图像处理增强等

针对低照度条件下图像降质严重的问题, 提出了一种基于深度卷积神经网络(DCNN)的低照度图像增强算法。该算法根据Retinex模型合成训练样本, 将原始低照度图像从RGB (Red Green Blue)空间转换到HSI (Hue Saturation Intensity)颜色空间, 保持色度分量和饱和度分量不变, 利用DCNN对亮度分量进行增强, 最后将HSI颜色空间转换到RGB空间, 得到最终的增强图像。实验结果表明, 与现有主流的图像增强算法相比, 所提算法不仅能够有效提升亮度和对比度, 改善过增强现象, 而且能够避免色彩失真, 主观视觉和客观评价指标均得到了进一步提高。

经典retinex_mccann99图像增强MATLAB程序，用于消除图像的光照不均匀性

该代码为Retinex算法，可以用于图像增强处理，也可以用于图像去雾处理，都能取得较好的效果