使用matlab对图像进行对比度调节，图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。

把代码拷贝到http://transitions.glsl.io/transition/new，既可运行查看效果，验证有效

基于局部对比度增强的CLAHE算法 --直方图增强

基于正则化加权最小二乘框架的低对比度超声层析成像图像重建

改变图像的静态matlab代码寻找维护者！ 大家好 :waving_hand: 不幸的是，我有一段时间没有时间照顾这个存储库了。 但是，根据引文和对存储库的访问量，我发现仍然对PHANTAST感兴趣。 如果您想成为维护者，请在Github上创建问题，或给我发电子邮件：hello [AT] nicjac [DOT]开发人员。 我希望您觉得这段代码有用。 谢谢！ 适用于MATLAB的PHANTAST 相差显微镜分割工具箱（PHANTAST）是用于处理相差显微镜（PCM）图像的开源算法和工具的集合。 它是在和共同开发的。 为了实现与平台无关的最终目标，PHANTAST当前可作为独立的GUI，MATLAB代码和FIJI插件使用。 重要信息：您当前正在浏览PHANTAST for MATLAB存储库，该存储库还托管一个独立的GUI应用程序。 如果您对PHANTAST for FIJI / ImageJ插件（提供类似功能）感兴趣，请浏览。 PHANTAST首先在基于相衬显微镜图像的无创监测贴壁细胞培养物中的增殖，细胞死亡，生长停滞和形态学变化的方法中进行了描述。 显微镜用户/研究人员：使用我们的图形用户界面工具，无需任何

基于曝光融合框架的对比度增强算法(python) 一种精确的对比度增强的算法。具体来说，我们首先使用光照估计技术为图像融合设计权重矩阵。然后，用相机的响应模型合成多重曝光图像。接下来，我们找到最佳的曝光率，为了合成图像在原始图像曝光不足的区域进行更好的曝光。最后，输入图像和合成图像根据权重矩阵进行融合以获得图像增强的结果。实验表明，相比其他优秀的方法，我们的方法可以得到对比度和亮度失真更少的结果。

此 matlab 代码可以快速有效的进行图像对比度的计算

最大对比度法自聚焦（Contrast Optimization Autofocus,COA）准则：选取每个聚焦深度内对比度最大的距离门为参考信号，搜索使该距离门信号成像结果聚焦比最大的fdr作为估计结果

% Paper: Ngaiming Kwok and Haiyan Shi, Gu Fang, and Guang Ha, "Adaptive Scale % Adjustment Design of Unsharp Masking Filters for Image Contrast Enhancement," % in Proc. 2013 International Conference on Machine Learning and Cybernetics, % 2013, pp. 884-889

实施并复制以下论文的结果： 依存关系： 具有XLA支持的TensorFlow 1.14或1.15 ≥0.19 GLOO与NCCL支持内置 TensorFlow OpenCV taskset命令（来自util-linux包） 无监督培训： 要在具有8个GPU的计算机上运行MoCo预培训，请使用： horovodrun -np 8 --output-filename moco.log python main_moco.py --data /path/to/imagenet 添加--v2来训练MoCov2，该MoCov2使用额外的MLP层，额外的扩充和余弦LR时间表。 线性分类： 要使用预训练的特征训练线性分类器，请运行： ./main_lincls.py --load /path/to/pretrained/checkpoint --data /path/to/imagene