为改善红外图像的视觉效果和后续处理质量,需要对图像进行增强处理。在此介绍并实现了一种空间域图像增强算法,自适应分段线性拉伸算法。首先简要分析算法原理,对该算法基于Xilinx公司XC4VLX15系列FPGA的实现方法进行了研究,以兼顾系统实时性和集成度为目的,提出灰度直方图统计和拉伸运算等关键模块的解决方案。通过试验结果分析,对压缩因子的选取提出建议。该设计的输出延迟仅为62.5 ns,且具有实现简单、集成度高、功耗低等优点,适合在精确制导武器和导航系统中应用。

基于Retinex的水下图像增强方法，旨在消除由水下图像捕捉的色彩失真和光线散射，从而提高水下图像的可视性。 Retinex是一个计算机视觉的概念，它模仿人类视觉系统如何处理图像。Retinex理论认为，我们视觉系统中的颜色感知是通过分离物体表面反射的光照和物体本身的颜色来实现的。 在水下增强中，Retinex算法通过利用输入图像中颜色分布的特征，来估计传播距离，然后通过对输入图像进行多次滤波得到输出图像。这个过程中，Retinex算法使用了多个高斯滤波器，这些滤波器具有不同的尺度和方向，以增强输入图像的各个部分。 简单来说，该方法通过对水下图像进行多次滤波，以逐步去除光照和颜色间的相互影响，更好地还原图像本身的颜色和细节。 Retinex增强方法已经被成功的应用于水下遥感和水下摄影等方面，可以有效地改善水下图像质量。

暗光图像、低光照图像、夜间图像增强数据集（DICM、NPE、LIME等等）

基于matlab的二进小波和非线性变换的图像增强，直接运行非线性增强的程序NonlinearEnhancement即可，有很高的参考价值

为实现医学图像中感兴趣区域辨识度的增强．针对医学图像中CT图的特点提出一种增强算法(Rough Computed Tomography Algorithm，RCTA)．算法以粗糙集(Rough Sets，RST)中不可分辨关系理论为基础，根据医学图像中不同的人体组织对应不同的CT值的特点，来定义等价关系，从而将医学图像划分为不同区域，然后对感兴趣区域灰度值保持不变，对其他区域的灰度值作最大化／最小化处理．用RCTA对临床300余张肺部医学图像进行了实验，最后，使用DSM(Distribution Sepa

局部直方图均衡是以全局直方图均衡化方法为基础,对图像中每个像素点所在的邻域范 围求出灰度转换函数,然后仅应用在该中心点处。为了提高算法的运算速度,特别是在处理视频 图像时,采取传统的DSP的设计方法在速度上很难满足需要,因此,利用FPGA实现是一个很好 的选择。为使局部直方图均衡方法能够在FPGA上具体实现,从空间域的角度改进了图像灰度直 方图均衡算法,并利用VHDL语言对算法进行了完全可综合的RTL级描述,最后在硬件平台上 验证了结果。

学习丰富的功能以进行真实图像还原和增强（ECCV 2020） ， ， ， ， ， 和 论文： : 补充文件： 视频演示： : 摘要：为了从降级版本中恢复高质量图像内容，图像恢复在监视，计算摄影，医学成像和遥感等领域拥有众多应用。 最近，卷积神经网络（CNN）与传统的图像恢复任务方法相比取得了巨大的进步。 现有的基于CNN的方法通常以全分辨率或渐进式低分辨率表示形式运行。 在前一种情况下，获得了空间精确但上下文上不那么健壮的结果，而在后一种情况下，生成了语义上可靠但空间上不太准确的输出。 在本文中，我们提出了一种新颖的体系结构，其总体目标是通过整个网络维护空间精确的高分辨率表示，并从低分辨率表示接收强大的上下文信息。 我们方法的核心是包含几个关键元素的多尺度残差块：（a）并行多分辨率卷积流，用于提取多尺度特征；（b）跨多分辨率流的信息交换；（c）空间和渠道关注机

为了解决方向对纹理图像细节增强的限制问题，提出一种融合小波变换与改进脉冲耦合神经网络（PCNN）的图像增强算法。该算法首先对图像进行二维离散小波变换，提取图像的高频分量图。然后将图像像素的局部梯度值作为链接强度系数，在动态阈值函数中加入侧抑制信号来改进脉冲耦合神经网络；并用改进的脉冲耦合神经网络对高频分量图进行增强。最后使用中值滤波对小波重构后的图像进行非线性平滑，实现纹理图像细节的增强。实验结果表明，该算法能够有效地减少图像细节增强时方向的限制。增强后，纹理图像的细节更加丰富，整体对比度也有一定的提高。

直方图均衡化，频域高通滤波结合直方图均衡化，图像增强

改代码用了一种很简单的算法，通过直方图均衡化来实现图像的增强，对于初学者来说非常的有帮组，代码已经运行通过