具有半解耦分解的微光图像增强 该算法在MATLAB的“”中的实现。 IEEE多媒体交易。 1引言 弱光图像增强对于高质量图像显示和其他视觉应用很重要。 这是一项艰巨的任务，因为增强功能有望改善图像的可见性，同时又保持其视觉自然感。 尽管基于Retinex的方法已被公认为是此任务的代表技术，但它们仍然存在一些局限性。 首先，仍然可以将各种工件引入一些增强的结果中。 其次，尽管可以使用多种先验信息来解决第一个问题，但它需要仔细地将先验模型建模到正则化项中，并且往往会使优化过程更加复杂。 在本文中，我们提出了高斯总方差，并将其用作正则化项来构建我们的Retinex分解模型，该模型以半解耦的方式逐步细化分解的层。 在几个公共数据集上进行了定性和定量实验，以评估我们的方法。 结果表明，我们的方法可以同时产生具有较高可见度和可接受的视觉质量的图像，在一些客观和主观的评估指标方面，它优于其他最新的低光增

基于直方图均衡化的图像增强算法的自适应直方图均衡，

摘要：为了改善实时图像输出质量，研究基于SDI接口的增强显示系统软硬件设计.利用模块化思想提出一个基于SDI接口输出的硬件架构，以FPGA作为处理，通过2片SRAM的双缓存结构实现图像的乒乓控制，使输出图像满足SDI接口协议.在此提出了灰度拉伸.伪彩色处理以及画幅缩放3种实时图像增强算法.通过实验测试，系统工作稳定.实时性好，加入增强算法后图像对比度增强，极大增强了人眼的视觉效果. 　　0 引言 　　SDI 接口（Serial Digital Interface）是直接通过采用数字化的方法对视频信号进行控制.处理和传输，将数字视频或者音频信号按有效行场方式通过单芯同轴电缆传输，而后将数字信

基于高度优化的OpenCV库的快速扩充 超级简单但功能强大的界面，适用于不同的任务，如（分割，检测等） 易于定制 易于添加其他框架 相册 该库使用 HWC 格式的图像。 该库在大多数转换上都比其他库快。 基于 numpy、OpenCV，imgaug 从它们中挑选最好的。 简单、灵活的 API，允许在任何计算机视觉管道中使用该库。 大型、多样化的转换集。 易于扩展库以环绕其他库。 易于扩展到其他任务。 支持对图像、蒙版、关键点和边界框的转换。 支持 python 3.5-3.7 与 PyTorch 轻松集成。 从 Torchvision 轻松转移。 曾在 Kaggle、topcoder、CVPR、MICCAI 的许多 DL 比赛中获得最高成绩。 由 Kaggle 大师撰写。 目录 如何使用 Authors 安装 PyPI Conda 文档 像素级转换 空间级转换 从 torchvision 迁移到相册 基准测试结果 贡献 添加新转换 构建文档 评论 引用图书馆赢得的比赛 行业用户 如何使用 多合一展示笔记本- show.ipynb 分类 - example.

在许多应用中都需要增强彩色图像的细节。 锐化蒙版（UM）是用于细节增强的最经典工具。 已经提出了许多通用的UM方法，例如，有理UM技术，三次模糊技术，自适应UM技术等。 对于彩色图像，这些算法分三个步骤：a）实施color2grey步骤； b）基于亮度分量（LC）设计高频信息（HFI）提取方法； c）利用HFI完成增强过程。 但是，仅使用LC的HFI可能会丢失色度分量（CC）的HFI。 提出了一种基于四元数的细节增强算法，既利用亮度又利用CC来提取彩色图像的细节。 设计该算法以解决三个任务：1）设计基于3Dvector旋转的四元数描述的彩色高频信息（CHFI）提取方法； 2）执行CHFI和灰色高频信息（GHFI）的有效融合策略； 3）设计了基于四元数的局部动态范围的测量方法，基于该方法可以确定所提出算法的增强系数。 该算法的性能优于其他许多类似的增强算法。可以调整八个参数以控制清晰度，以产生所需的结果，从而使该算法具有实用价值。

提出了一种针对灰色直方图短时能量的高动态工业x射线图像的自动窗口算法。我们首先计算高位图像中短时帧直方图的平均能量值，然后使用双阈值来检测（inspection）包含有用信息的帧。最后，将检测到的帧的端点灰度值视为窗口端点，通过比较和搜索图像对比度的最大值，遍历（traversed）并确定最合适的帧长度和帧偏移。通过一系列对比实验，定性和定量地分析了该算法的有效性（validity）和实用性。结果表明灰度箱之间的距离被自动拉伸,并且在不改变像素之间关系的情况下图像的对比度得到增强。此外, 还删除了冗余背景信息。

基于OPENCV的超声图像增强 项目中用了基本的OPENCV 函数 实现了 超声图像的增强 OPENCV 是 计算机视觉领域一个 不错的 开发工具 项目中用提出了一个新的方法来处理数字图像 同时也对比了直方图均衡化 和数学形态学方法的 的处理结果 此项目 中代码的组织结构 也 可以 好好研究一下 同时 对 初学OPENCV 的人来说也是一个 很好的 学习项目 项目的开发环境是 基于 ECLIPSE + LINUX 的 当然 熟悉的人可以 直接 转化到 WINDOWS 下 祝好

微光图像增强算法的初步研究.pdf

图像增强算法的研究.pdf.pdf

matlab图像增强中使用的6中滤波器