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。

论文基本思路： 在 HSI 颜色空间下，对 I 分量进行处理，裁剪成 相同大小的 n×n 图像块，进行同态滤波，以此实现局部增强，但拼接图像时，在边缘必然会存在颜色突变，造成块效应，因此需要解决这个副作用。作者将相邻的图像块分为水平和竖直两类，利用边界处左右两边的像素进行均值滤波，以此来消除块效应。增强后的 I 分量再重新与 S 和 H 分量组合并还原到 RGB 空间。 代码实现 论文中已经给出了部分关键代码，因此复现起来很简单。

为了增强彩色图像而不引起色彩失真,在HSV颜色空间中保持色相不变,提出了采用分段对数变换增强饱和度结合在多尺度Retinex算法的基础上,采用边缘保持增强色调的低照度彩色图像增强算法。实验结果表明,该方法在保持图像色相和图像边缘的情况下,显著改善了图像的视觉效果,提高了图像的亮度和对比度。25幅低照度图像的平均亮度、标准偏差和对比度分别提高了94.95%、20.93%和29.88%,相对于带色彩恢复的多尺度Retinex算法的熵和对比度增量分别提高了7.34%和151.51%,效果优于Retinex算法。

基于HSI和局部同态滤波的彩色图像增强算法，对比全局同态滤波,局部同态滤波以及分块同态滤波+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

针对Retinex算法在去雾时会出现光照不均匀、彩色失真等情况,提出了一种基于低照度的有雾彩色图像增强算法。该算法首先将红-绿-蓝(RGB)图像转换到色调-饱和度-亮度(HSV)空间区域,对亮度(V)分量进行提取,将单尺度Retinex算法作用于V分量后对V分量进行伽马校正;将MSRCR 算法中的高斯滤波器改为引导滤波并进行低通滤波;最后将改进的SSR算法、MSRCR算法、基于拉普拉斯金字塔的Retinex算法得到的图像进行加权融合。该算法能够得到很好的去雾效果,有效地抑制光晕并改善色彩失真等问题。经所提算法处理后,图片的相似性、信息熵等指标均得到了提升。