高精度光学玻璃折射率是保证光学设计和成像质量的重要条件，主要由V 棱镜折射仪进行检测。在图像对准式V 棱镜折射仪中，用于对准的平行光管所成狭缝中的单线图像质量，直接影响折射率测量中的对准精度，尤其当单线与背景对比度不高时，会大大影响仪器的测量精度。提出一种自适应灰度拉伸和垂直投影相结合的图像增强算法,该方法能快速提取低对比度的单线图像。通过对比实验证明了本算法的有效性，将测角精度提高到了±1"，算法稳定测量重复性优于1×10-6，对提高测量光学玻璃折射率的精度有实际意义。

低对比度图像的自适应阈值化算法.pdf 我的资源有 很多图像处理的 主要是指纹识别和文字识别

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码介绍

Phansalkar 方法描述于： N. Phansalkar、S. More、A. Sabale 和 M. Joshi，“用于检测多样性染色细胞学图像中细胞核的自适应局部阈值”，2011 年国际通信和信号处理会议，2011 年，第 218-220 页： IEEE。

动态随机共振（DSR）是一种用于增强暗和低对比度图像的独特技术。 噪声对于基于DSR的图像增强来说是必需的，并且噪声水平会与亮度同时增大，这会大大降低增强图像的感知质量，并且还会增加后续降噪的难度，因为去除高水平的噪声通常会导致严重的噪声损失。图片细节。 本文提出在增强过程中逐步消除噪声，而不是在增强过程完成后消除噪声。我们首先在变分框架中重写了基于传统偏微分方程（PDE）的DSR模型，然后提出一种用于图像增强的新颖的总变化正则化（TV）DSR方法。 从理论上证明了TV正则化DSR模型解的存在性和唯一性。 此外，我们分别在变体框架和PDE框架中推广了电视正则化DSR模型，因此我们可以将更多现有的去噪方法纳入我们的方法中。 数值比较表明，所提出的技术在对比度和亮度增强以及噪声抑制方面具有显着的性能，因此可以获得具有良好感知质量的增强图像。

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