自己调试的代码，本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/wallescai/archive/2004/12/31/235270.aspx 我只是修改了几个地方能运行成功

一键式窗口化的界面，用于计算多幅图像序列的熵和对比度。

精确的对比度限制自适应直方图均衡 像往常一样，使用pip安装： $ pip install clahe # from PyPI $ pip install git+https://github.com/anntzer/clahe # from Github 使用pytest运行测试。 该软件包使用一个简单的移动窗口实现。 可能有必要尝试基于Perreault，S.和Hebert，P .的“恒定时间中值滤波” （2007）的实现。 另请参见的。

图像处理的小程序，可以实现图像锐化，滤波，模糊，对比度调节等功能

本文档是节选的两篇关于提升图像对比度的研究，一篇是在原有的梯度场理论基础上，结合人眼视觉特性的的论述，另一篇是使用特定的非线性算子对图像的增强。

微光成像技术的核心在于采用不同于传统电荷耦合器件(CCD)的、能够对低光照响应的增强CCD(ICCD)图像传感器来获取目标图像信息。然而，在微光成像时，较差的光照条件与极低的光辐射量将导致目标图像质量（对比度及信噪比等）与正常环境相比有较大程度的下降，从而严重限制了其应用。因此，在分析微光图像特点（低信噪比、低对比度）的基础上，为了改善微光图像的质量和分辨率，提出了一种综合的微光图像增强算法，并且通过室外成像实验证明了该算法的有效性。研究表明，当环境照度降低到0.7 lx以下水平时，该算法依然有效。

通过散射介质成像已经成为现代光学成像领域的主要挑战。 近来，已经报道了基于波前整形的通过散射介质成像。 然而，尚未对将基于光学记忆效应的迭代波前整形技术应用于通过散射介质的运动物体的速度估计进行清晰的研究。 在此，我们提出将迭代波前整形技术与激光散斑对比度分析方法相结合，以通过散射介质检测运动物体的相对速度变化。 进行了幻影实验以验证我们的方法。

在红外（IR）图像序列中检测小目标是红外制导系统中的一项重要任务。 复杂背景的杂物通常会淹没小目标，从而使检测变得困难。 在复杂背景下实现高检测率和低误报率是一个主要问题。 我们提出了一种使用我们新的均匀性加权局部对比度测量（HWLCM）的红外小目标检测方法。 受人类视觉系统（HVS）确定显着性特征的能力启发，我们实现了使用中心和周围区域的局部对比特征以及周围区域的加权同质性特征来增强目标，同时抑制复杂区域的方法。背景。 我们的方法将每个图像分为带有滑动窗口的块，并为其计算HWLCM。 HWLCM可以增强实际目标并同时抑制干扰。 我们将自适应阈值应用于目标区域提取以进一步优化结果。 我们的实验结果表明，我们提出的方法比六种可比方法更有效，特别是在信号杂波增益（SCRG）和背景抑制因子（BSF）指标方面。

基于相似度理论的区域划分图像融合技术在异质传感器图像融合方面取得了较好的研究进展，但传统相似度参数不能真正反映图像在结构方面的相似度信息。使用反映图像细节结构信息的小波相似度替代传统的相关系数相似度，并使用反映人类视觉的对比度敏感函数对不同尺度的小波系数进行加权，利用加权相似度对待融合图像进行冗余与互补划分。实验结果表明，该方法能够进一步衡量图像间的结构相似度，取得了优于传统相似度参数的融合效果。

图像处理，去色、亮度、对比度、颜色减淡、线性加深\、正片叠底、颜色加深、深色模式、柔光模式、亮光模式、反相、反相曝光等