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。

基于opencv4.10的retinex视网膜皮层图像增强算法，能比较好的实现图像画质增强

针对现有的Retinex算法不能自动调节参数，提出一种基于参数估计的双边滤波Retinex算法。该算法首先利用主成份分析和Canny边缘检测算法分别进行噪声估计和边缘强度估计；然后通过线性相关运算计算双边滤波的空间几何标准差参数和亮度标准差参数；再利用参数估计的双边滤波把图像分解出照度图像和反射图像；最后将照度图像和反射图像通过不同方法的压缩和增强并合成一幅新的图像。通过实验表明，它不仅能够自动设置参数，还能有效抑制光晕现象。

基于引导滤波的图像分层处理技术，对不同层的信息进行分层处理，获取不同的信息，然后用合并，得到最后结果，可进行图像增强算法的分层等

在图像增强技术中，现有的夜间图像增强算法在对夜间图像进行处理时，总是伴随着处理后图像存在暗区亮度过 度增强和噪声放大的现象。因此，提出一种基于 Retinex 改进的夜间图像增强算法，该方法通过将图像转换到 HSV 空间对 V 通道图像进行导向滤波获得亮度分量图像，并对传统的颜色恢复函数进行改进，从而解决了传统夜间图像增强过程中造 成的暗区过度增强、噪声放大、实时性差的问题。实验结果证明，改进的夜间图像增强方法优于现有的算法，并且该算法 可以在对夜间图像增强的基础上有效的提高算法的实时性。

有关于小波变换阈值函数选取的改进算法，对传统函数进行改进，更好的图像增强

图像增强处理：设计一套空间域与频率域结合的图像增强算法，处理以下任一组图片中的带噪声图像，去除噪声，提高图像质量。 （1）已知：噪声为随机噪声和周期噪声混合噪声； （2）要求： a）去噪处理后，计算均方误差评估去噪处理后图像的去噪效果 b）撰写完整的科技报告（形式类似科技论文）表述自己的算法设计，算法实现与算法评估过程。

霾天气条件下获得的图像受到了严重的退化，具有对比度下降、景物不清晰、颜色变得暗淡等特点，这大大降低了图像的应用价值。即使在晴朗的天气条件下拍摄的照片，由于大气的散射的作用，照片的清晰度同样受到影响。这是因为空气中存在的灰尘、雾和烟等，这些因素导致物体表面颜色变淡和整幅图像的对比度降低。这给工业生产及人们的日常生活带来了很大影响。因此许多领域都要用到去雾算法，比如目标识别、遥感等。因而有雾图像特征清晰化的研究具有非常重要的意义。 本文利用图像处理的方法对雾霾图像进行增强处理，主要采用直方图规定化的方式减少雾霾对图像的影响，提高图像的清晰度和质量。实验部分，采用直方图规定化和直方图均衡化的方式相对比，以此来体现直方图规定化的优势。实验结果表明，直方图规定化能够有效的部分去出雾霾图像中的雾，从而实现图像的增强效果。

C++基于 Retinex 的图像增强算法-Opencv-C++。 一种常见图像增强算法，基于Retinex理论。本代码通过vs2015编译通过，Opencv3.1.0，C++ opencv c++ Retinex 图像增强

该代码包含了直方图均衡算法、带亮度均衡的同态增晰算法、不带亮度均衡的同态增晰算法，附加一个模仿人口密度函数的高通滤波器。适用于彩色图像和灰度图像，增强效果很不错。