花matlab代码 :flower_playing_cards: 中欧国际工商学院 使用对比度增强对对比度失真的图像进行无参考质量评估 贾妍，李杰 该存储库包含论文“使用对比度增强的无畸变图像参考质量评估”的代码，并在CCID2014，CID2013，CSIQ和TID2013数据库上呈现结果以进行图像质量评估。 先决条件 的MATLAB 演示版 跑步 只需打开MATLAB并运行demo.m 要分析本文中的结果，请运行resultAna.m 结果 例子 预言 1.7129 3.5505 2.5005 抽象的 无参考图像质量评估（NR-IQA）旨在测量没有参考图像的图像质量。 然而，在NR-IQA的当前研究中，对比度失真被忽略了。 在本文中，我们提出了一个非常简单但有效的度量标准，用于基于对比度高的图像通常与对比度增强的图像更相似的事实来预测对比度改变的图像的质量。 具体来说，我们首先通过直方图均衡生成增强的图像。 然后，我们使用结构相似性索引（SSIM）作为第一个特征来计算原始图像和增强图像的相似性。 此外，我们分别计算原始图像和增强图像之间基于直方图的熵和交叉熵，以获得4个特征的总和。 最后，我们学习回归模块以融合上述5个功能

基于纹理系数的暗图像感知对比度增强

自己调试的代码，本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/wallescai/archive/2004/12/31/235270.aspx 我只是修改了几个地方能运行成功

一键式窗口化的界面，用于计算多幅图像序列的熵和对比度。

精确的对比度限制自适应直方图均衡 像往常一样，使用pip安装： $ pip install clahe # from PyPI $ pip install git+https://github.com/anntzer/clahe # from Github 使用pytest运行测试。 该软件包使用一个简单的移动窗口实现。 可能有必要尝试基于Perreault，S.和Hebert，P .的“恒定时间中值滤波” （2007）的实现。 另请参见的。

图像处理的小程序，可以实现图像锐化，滤波，模糊，对比度调节等功能

本文档是节选的两篇关于提升图像对比度的研究，一篇是在原有的梯度场理论基础上，结合人眼视觉特性的的论述，另一篇是使用特定的非线性算子对图像的增强。

微光成像技术的核心在于采用不同于传统电荷耦合器件(CCD)的、能够对低光照响应的增强CCD(ICCD)图像传感器来获取目标图像信息。然而，在微光成像时，较差的光照条件与极低的光辐射量将导致目标图像质量（对比度及信噪比等）与正常环境相比有较大程度的下降，从而严重限制了其应用。因此，在分析微光图像特点（低信噪比、低对比度）的基础上，为了改善微光图像的质量和分辨率，提出了一种综合的微光图像增强算法，并且通过室外成像实验证明了该算法的有效性。研究表明，当环境照度降低到0.7 lx以下水平时，该算法依然有效。

通过散射介质成像已经成为现代光学成像领域的主要挑战。 近来，已经报道了基于波前整形的通过散射介质成像。 然而，尚未对将基于光学记忆效应的迭代波前整形技术应用于通过散射介质的运动物体的速度估计进行清晰的研究。 在此，我们提出将迭代波前整形技术与激光散斑对比度分析方法相结合，以通过散射介质检测运动物体的相对速度变化。 进行了幻影实验以验证我们的方法。

在红外（IR）图像序列中检测小目标是红外制导系统中的一项重要任务。 复杂背景的杂物通常会淹没小目标，从而使检测变得困难。 在复杂背景下实现高检测率和低误报率是一个主要问题。 我们提出了一种使用我们新的均匀性加权局部对比度测量（HWLCM）的红外小目标检测方法。 受人类视觉系统（HVS）确定显着性特征的能力启发，我们实现了使用中心和周围区域的局部对比特征以及周围区域的加权同质性特征来增强目标，同时抑制复杂区域的方法。背景。 我们的方法将每个图像分为带有滑动窗口的块，并为其计算HWLCM。 HWLCM可以增强实际目标并同时抑制干扰。 我们将自适应阈值应用于目标区域提取以进一步优化结果。 我们的实验结果表明，我们提出的方法比六种可比方法更有效，特别是在信号杂波增益（SCRG）和背景抑制因子（BSF）指标方面。