原文章及作者github分享的代码，做算法比较的时候还是用原作者的代码会比较好一点

3D内窥镜图像增强算法研究

本文分别从提高红外图像对比度、抑制噪声、增强红外图像彩色对比度这三 个角度研究了红外弱小目标图像的增强方法。文章介绍了红外图像增强的基本概 念和图像增强的效果评价，究了红外图像的成像机理和特点。首先分析了红外弱小目标图像噪声成因和目标成像特点，在抑制噪声方面重点分析比较了平滑滤波和中值滤波的优缺点，然后分析和研究了常用的基于直方图的方法、灰度变换、空间滤波以及基于数学形态学的弱小目标图像增强算法。最后本文研究了红外弱小目标图像的伪彩色增强，实验结果表明增强后的图像改善了视觉效果，提高了对比度。

使用对数交换进行图像增强 使用直方图进行图像增强 使用均衡直方图进行图像增强 使用阈值进行图像增强 使用指数交换进行图像增强

A-MULTI-EXPOSURE-IMAGE-FUSION-BASED-ON-THE-ADAPTIVE-WEIGHTS

亮度和对比度调整的内窥镜图像增强技术

实现了低对比度图像的直方图均衡化处理，提高了图像的对比度和显示效果。适合数字图像处理领域。

基于自适应Sigmoid型函数图像增强代码复现

信息网 通过提出的MIRNet架构的Tensorflow实现，。 Lanuch笔记本： Wandb日志： ://wandb.ai/19soumik-rakshit96/mirnet MIRNet的TFLite变体： : 。 Tensorflow Hub上的TFLite模型： ://tfhub.dev/sayakpaul/lite-model/mirnet-fixed/dr/1 。 MIRNet的Tensorflow JS变体： : 。 预先训练的体重 在128x128补丁程序上进行了训练： ：//drive.google.com/file/d/1sUlRD5MTRKKGxtqyYDpTv7T3jOW6aVAL/view usp = sharing 已针对256x256补丁进行了培训： https ：//drive.google.com/file/d/1sUlRD5MTR

包括图像平滑、图像增强、图像边缘检测、图像阈值化、图像细化、面积测量、区域边界提取和周长计算。 描述 中国科技大学图像测量的五个实验，包括图像平滑、图像增强、图像边缘检测、图像阈值化、图像细化、面积测量、区域边界提取和周长计算。 实验一 图像平滑和图像增强 实验包括图像平滑和图像增强。分别采用空间邻域平均、中值滤波、最大值和最小值滤波等方法实现对采集到的灰度图像的平滑处理，并利用空域图像锐化方法。锐化图像（其中 α 是用于控制锐化程度的可选因素）以去除噪声并增强细节信息，例如图像的轮廓边缘。 实验2 图像边缘检测 本实验中图像边缘检测采用一阶微分算子priwitt算子和平滑算子对实验1中平滑增强的灰度图像进行边缘检测。 实验 3 图像阈值化和图像细化 这个实验是图像的阈值化和细化。它主要利用图像的灰度直方图来确定相应的分割阈值，并将图像划分为物体和背景。在本实验中，我们使用 S.Watanabe 方法选择阈值对图像进行二值化，并使用 Deutsch 方法对二值化图像进行细化。 实验 4 面积测量 更多详情、使用方法，请下载后阅读README.md文件