光照弱图像增强matlab代码

以下是一个简单的基于直方图均衡化的图像增强Matlab代码，可以用于增强光照弱的图像。你可以根据自己的需求进行调整。

% 读取图像
img = imread('your_image.jpg');

% 转换为灰度图像
gray_img = rgb2gray(img);

% 直方图均衡化
eq_img = histeq(gray_img);

% 显示原始图像和增强后的图像
figure;
subplot(1,2,1);
imshow(gray_img);
title('Original Image');
subplot(1,2,2);
imshow(eq_img);
title('Enhanced Image');

注意，直方图均衡化可能会导致图像出现过度增强或失真的情况。因此，建议在实际应用中使用更复杂的图像增强算法，以达到更好的效果。

相关问题

基于多尺度retinex算法低光照彩色图片增强的MATLAB代码

以下是基于多尺度retinex算法低光照彩色图片增强的MATLAB代码示例：

function [outimg] = MSR(img, a, b, alpha, beta, G)
% 基于多尺度retinex算法低光照彩色图片增强
% img: 输入图像
% a: 算法中的常数a
% b: 算法中的常数b
% alpha: 算法中的常数alpha
% beta: 算法中的常数beta
% G: 高斯卷积核大小

if nargin == 4
    beta = 1;
    G = 15;
elseif nargin == 5
    G = 15;
end

% 将输入图像转化为double类型，范围为[0,1]
img = im2double(img);

% 对图像进行多尺度分解
scales = 3;
img = rgb2gray(img); % 将彩色图像转换为灰度图像
[height, width] = size(img);
for s = 1:scales
    sigma = 2^(s-1);
    img_g = imgaussfilt(img, G*sigma);
    img_l = img - img_g;
    img_l = imresize(img_l, [height, width], 'bilinear');
    img_s(:,:,s) = img_l;
end

% 计算图像的全局平均值
mean_l = mean(mean(img_s(:,:,1)));
mean_c = mean(mean(mean(img)));

% 计算图像的权重
w = alpha*(mean_l/mean_c).^beta;

% 对图像进行增强
for s = 1:scales
    img_s(:,:,s) = img_s(:,:,s)./(img_s(:,:,s) + a*w);
end

% 对增强后的图像进行加权重构
outimg = zeros(height, width, 3);
for s = 1:scales
    sigma = 2^(s-1);
    img_s(:,:,s) = imresize(img_s(:,:,s), [height, width], 'bilinear');
    img_s(:,:,s) = imgaussfilt(img_s(:,:,s), G*sigma);
    outimg = outimg + b*img_s(:,:,s);
end
outimg = outimg + (1-b)*img;
end

使用示例：

img = imread('test.jpg');
outimg = MSR(img, 0.001, 0.75, 125, 1);
imshow(outimg);

retinex增强图像matlab代码

Retinex是一种用于图像增强的计算机视觉算法。它是根据人类视觉系统中的Retina和Cortex的工作原理而设计的。Retinex算法可用于消除光线不均匀以及增强图像的亮度和对比度等目的。

在Matlab中，可以使用以下代码实现Retinex图像增强：

function [result] = Retinex(im, sigma, G)

if nargin == 1
    sigma = 60;
    G = 46;
elseif nargin == 2
    G = 46;
end

A = double(im); % 将图像数据转换为double类型

% 对每个颜色通道应用Retinex算法
for i=1:3
    L = log(A(:,:,i));
    L_max = max(L(:)); % 获取L的最大值
    L_min = min(L(:)); % 获取L的最小值
    L = (L - L_min) ./ (L_max - L_min); % 将L归一化为[0,1]之间的值
    L = imgaussfilt(L,sigma); % 应用高斯滤波
    A(:,:,i) = (G*log(1+L)) ./ log(1 + G); % 应用Retinex增强公式
end

result = uint8(A); % 将数据类型还原为uint8类型，在0到255之间进行裁剪
end

在该代码中，sigma是高斯滤波的标准差，G是Retinex增强公式中的参数。首先将图像数据转换为double类型，然后对每个颜色通道分别应用Retinex算法。算法的核心部分位于`A(:,:,i) = (G*log(1+L)) ./ log(1 + G);`代码行，其中的公式是Retinex增强公式。

最后，将数据类型还原为uint8类型，并在0到255之间进行裁剪，生成增强后的图像。使用该函数可以得到更加明亮和对比度更高的图像，也可以消除光照不均匀的问题，提高图像的质量和视觉效果。