通过SRCNN进行水下图像增强 一种水下图像增强方法和相应的图像超分辨率算法。 使用的算法： 图像增强技术。 超分辨率卷积神经网络 Retinex算法伽玛校正。 黑暗先验。 进一步阅读：使用SRCNN.pptx进行水下图像增强 SRCNN训练模型：my_modelSRCNN.h5 用于实施的参考文件：Underwater2.pdf

灰度线性变换增强； 同态滤波增强； Retinex图像增强优化算法

retinex雾天彩色图像处理，采用matlab软件编写，同时采用线性拉伸的方法对rgb图像处理达到去雾是图像清晰化效果

本GUI界面为图像去雾系统，使用matlab实现的功能有4点： 1.使用全局直方图均衡化的方法实现给有雾图像去雾。 2.使用Retinex算法实现给有雾图像去雾。 3.使用暗通道算法实现给有雾图像去雾。 4.使用加雾算法给无雾图像添加雾，然后再用3个算法实现去雾，得到处理后的图像。 5.通过直方图对比，观察处理前后直方图的区别。保存处理后的图片。

医学图像处理和分析在对疾病的成像诊断中起到辅助医生确定病变局域的重要作用。但是由于人体的组织密度极其复杂，由于各种不良因素的影响，从而导致医学图像（尤其是X射线医学影像等）普遍存在对比度低、动态范围窄、强度分布不对称、边缘不清晰等问题。针对上述问题，结合医学图像特点和光照估计模型提出一种基于Canny算子加权引导滤波的Retinex（CWGFR）医学图像增强算法。首先，利用Canny边缘检测算子准确估计加权引导滤波器的边缘权重并通.过加权引导滤波器对光照进行估计，从而得到入射光分量；然后根据Retinex算法原理计算出反射光分量，即log域上的增强图像；最后对图像进行量化处理，增强其图像对比度从而得到输出图像。对比实验结果表明，论文算法在提高图像对比度的同时，具有更高的边缘保持特性，能够凸显图像细节信息，有效消除“光晕”伪影。

经典retinex_mccann图像增强MATLAB程序，用于消除图像的光照不均匀性。

retinex.m是用MATLAB编写的夜间图像增强算法retinex，经过测试，增强效果较好。

针对特殊环境（雾天、傍晚）下车牌图像由于光线暗淡而使得识别效果明显下降的问题，提出一种使用改进的Retinex算法（五尺度Retinex算法）与幂函数和双边滤波相结合对特殊环境下的车牌图像进行增强的算法。首先用幂函数对雾天、傍晚环境下的车牌图像进行处理，再采用双边滤波处理，最后经过五尺度Retinex算法处理。与传统Retinex算法相比，所提出的算法取得了较好的对特殊环境下的车牌图像增强的效果，改善了车牌图像的视觉效果，并且处理时间较短，对现实生活具有可观的实际意义。

采用matlab对雾天图像的清晰化处理，共6种算法，直方图均衡法，改进的直方图均衡化算法，单尺度retinex，多尺度retinex，带色彩恢复的多尺度retinex，暗原色先验，然后有6种算法运行时间和信息熵的对比。

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