数字图像处理-基于灰度变换的图像增强(分段线性、直方图)

图像增强的方法有哪些图像增强是数字图像处理中的一个重要环节，它通过对图像进行处理，改善图像的质量和视觉效果，使图像更加清晰、鲜艳、易于观察和分析。

图像增强的方法有很多种，下面将介绍几种常见的图像增强方法。

首先，直方图均衡是一种常见的图像增强方法。

直方图是描述图像像素分布的统计图，直方图均衡就是通过重新分配图像像素的灰度级，使得图像的直方图均匀分布，从而增强图像的对比度。

直方图均衡的优点是简单易行，但是对于某些图像来说，可能会造成图像的过增强和噪声放大。

其次，滤波是图像增强的另一种常见方法。

滤波操作可以通过对图像进行平滑或锐化处理，来增强图像的细节和对比度。

常见的滤波方法包括均值滤波、中值滤波、高斯滤波等，它们可以有效地去除图像中的噪声，并增强图像的质量。

但是滤波方法也存在着一定的局限性，比如在平滑图像的同时可能会导致图像细节的丢失。

另外，小波变换也是一种常用的图像增强方法。

小波变换是一种多尺度分析方法，它可以将图像分解成不同尺度的频域信息，从而实现对图像的局部增强。

小波变换可以有效地增强图像的边缘和纹理特征，同时减少图像的噪声。

但是小波变换对参数的选择和计算量要求较高，需要根据具体的图像特点进行调整。

此外，增强型对比度拉伸也是一种常见的图像增强方法。

对比度拉伸通过线性或非线性的变换函数，将图像的灰度级进行重新映射，从而增强图像的对比度。

增强型对比度拉伸可以有效地增强图像的细节和纹理，使图像更加清晰。

但是对比度拉伸也存在着过增强的问题，需要根据具体的图像特点进行调整。

综上所述，图像增强的方法有很多种，每种方法都有其适用的场景和局限性。

在实际应用中，我们可以根据图像的特点和需求，选择合适的图像增强方法，从而达到最佳的增强效果。

希望本文对图像增强方法有所帮助。

如何进行高效的图像增强和降噪图像增强和降噪是数字图像处理中的重要任务之一。

它们的目的是改善图像的视觉质量和可视化细节，并消除图像中的不必要的噪声。

在本文中，我将介绍一些常用的图像增强和降噪技术，以及一些实现这些技术的高效算法。

一、图像增强技术1.灰度变换：灰度变换是一种调整图像亮度和对比度的常用技术。

它可以通过改变灰度级来增加图像的对比度和动态范围，提高图像的视觉效果。

2.直方图均衡化：直方图均衡化是通过重新分配图像灰度级来增加图像对比度的一种方法。

它通过改变图像的直方图来增强图像的细节和对比度。

3.双边滤波：双边滤波是一种能够保留图像边缘信息，同时消除噪声的滤波技术。

它能够通过平滑图像来改善图像的质量，同时保持图像的细节。

4.锐化增强：锐化增强是一种通过增加图像的高频分量来提高图像的清晰度和细节感的方法。

它可以通过增加图像的边缘强度来突出图像的边缘。

5.多尺度增强：多尺度增强是一种通过在多个尺度上对图像进行增强来提高图像视觉质量的方法。

它可以通过提取图像的不同频率分量来增强图像的细节和对比度。

二、图像降噪技术1.均值滤波：均值滤波是一种常见的降噪方法，它通过将像素值替换为其周围像素的均值来减少噪声。

然而，它可能会导致图像的模糊，特别是在对边缘等细节进行处理时。

2.中值滤波：中值滤波是一种基于排序统计理论的降噪方法，它通过将像素值替换为其周围像素的中值来消除噪声。

相比于均值滤波，中值滤波能够在去除噪声的同时保留图像的边缘细节。

3.小波降噪：小波降噪是一种利用小波变换的降噪方法，它在时频域上对图像进行分析和处理。

它能够通过消除噪声的高频分量来降低图像的噪声水平。

4.非局部均值降噪：非局部均值降噪是一种通过将像素值替换为与其相似的像素均值来减少噪声的方法。

它能够通过比较像素的相似性来区分图像中的噪声和细节，并有选择地进行降噪。

三、高效实现图像增强和降噪的算法1.并行计算：利用并行计算技术，如GPU加速、多线程等，在处理图像增强和降噪算法时，可以提高计算效率和算法的实时性。

《数字图像处理》教学大纲
一、课程简介
数字图像处理是机器视觉、模式识别、医学图像处理等的基础，本课程为工程专业的学生提供数字图像处理的基本知识，是理论性和实践性都很强的综合性课程。

课程内容广泛涵盖了数字图像处理的基本原理，包括图像采样和量化、图像算术运算和逻辑运算、直方图、图像色彩空间、图像分割、图像形态学、图像频域处理、图像分割、图像降噪与图像复原、特征提取与识别等。

二、课程目标
通过本课程学习，学生可以掌握数字图像处理的基本方法，具备一定的解决图像处理应用问题的能力，培养解决复杂工程问题的能力。

具体目标如下：
1.掌握数字图像处理的基本原理、计算方法，能够利用专业知识并通过查阅资
料掌握理解相关新技术，对检测系统及处理流程进行创新性设计；
2.能够知晓工程领域中涉及到的数字图像处理技术，理解其适用场合、检测对
象及条件的限制，能根据给定的目标要求，针对工业检测中的工程问题选择和使用合适的技术和编程，进行仿真和分析；
3.能够知晓工程领域中所涉及的现代工具适用原理及方法，根据原理分析和仿
真结果，进行方案比选，确定设计方案，具有检测算法的设计能力；
4.通过校内外资源和现代信息技术，了解数字图像处理发展趋势，提高解决复
杂工程问题的能力。

三、课程目标对毕业要求的支撑关系
四、理论教学内容及要求
四、实验教学内容及要求
五、课程考核与成绩评定
六、教材及参考书。

基于分段直方图均衡化技术的图像增强作者：黄展鹏来源：《电脑知识与技术·学术交流》2008年第16期摘要：分析了传统灰度图像直方图均衡化算法存在的优缺点，提出了基于分段直方图均衡化技术的图像增强算法。

该算法基于图像的特点，利用K均值聚类算法将图像分成几个灰度区间，然后再分别进行均衡化。

实验结果表明，该算法对灰度呈现两端分布且低灰度区域有较多像素点分布的图像有较好的增强效果。

关键词：直方图均衡化；K均值聚类算法；图像增强中图分类号：TP391.4文献标识码：A文章编号：1009-3044(2008)16-21292-02Image Enhancement Based on Subsection Histogram EqualizationHUANG Zhan-peng(College of Medical Information Engineering, Guangdong Pharmaceutical University, Guangzhou 510006, China)Abstract: Advantages and disadvantages on histogram equalization(HE) algorithm are analyzed, and an image enhancement algorithm based on separate (subsection) histogram equalization was presented. According to the characters of the images, the algorithm separated image into several regions by K-means clustering algorithm, and each region is equalized respectively within their gray levels. Experiments showed that the algorithm is effective for dispersive and low gray level distributing image.Key words: image histogram; K-means clustering; image enhancement1 引言图像的灰度直方图表示灰度图像中具有每种灰度的像素的个数，反映了图像中每种灰度级出现的频率，是图像的基本统计特征之一。

线性灰度变换一、实验目的1结合实例学习如何在视频显示程序中增加图像处理算法；2理解和掌握图像的线性变换和直方图均衡化的原理和应用；3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法；4 了解噪声模型及对图像添加噪声的基本方法。

二、实验原理1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。

)],([),(y x f T y x g =⎪⎩⎪⎨⎧<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβαn y m x ,2,1 ,,,2,1==2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。

按照图像概率密度函数PDF 的定义：1,...,2,1,0 )(-==L k nn r p k k r 通过转换公式获得：1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。

将模板中的全体像素的均值（中值）来代替原来像素值的方法。

4 拉普拉斯算子如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。

三、实验步骤1 启动MATLAB 程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化（参考教材64页，例4.6）、均值滤波（参考教材69页，例4.9）、中值滤波（参考教材73页，例4.11）和梯度锐化操作（参考教材76页，例4.12）。

添加噪声，重复上述过程观察处理结果。

图像增强知识点总结在图像增强领域，有许多常见的方法和技术，比如灰度变换、直方图均衡化、滤波、锐化、维纳滤波等。

这些方法都有各自的特点和应用场景，下面我们将一一介绍这些知识点。

1. 灰度变换灰度变换是图像增强中最基本的方法之一，它通过对图像的灰度级进行变换，来改善图像的质量。

常见的灰度变换包括线性变换和非线性变换。

线性变换通常使用线性函数来对图像进行变换，而非线性变换则使用非线性函数。

2. 直方图均衡化直方图均衡化是一种常见的图像增强方法，它通过对图像的灰度分布进行重新分配，来增强图像的对比度和清晰度。

直方图均衡化可以有效地增加图像的动态范围，从而使图像更加有吸引力。

3. 滤波滤波是图像增强中常用的方法之一，它通过对图像进行滤波操作，来去除图像的噪声和增强图像的细节。

常见的滤波方法包括均值滤波、中值滤波、高斯滤波等，它们都有各自的适用场景和特点。

4. 锐化锐化是图像增强中常用的方法之一，它通过增强图像的边缘和细节，来使图像更加清晰和鲜明。

常见的锐化方法包括拉普拉斯锐化、梯度锐化等，它们都可以有效地改善图像的质量。

5. 维纳滤波维纳滤波是一种基于统计模型的图像增强方法，它通过对图像进行频域滤波操作，来去除图像的噪声和增强图像的对比度。

维纳滤波可以在去噪和保留图像细节之间取得平衡，从而使图像更加清晰和有吸引力。

6. 小波变换小波变换是一种常用的图像增强方法，它可以将图像分解成不同频率的子带，从而使图像的低频部分和高频部分可以分别进行增强。

小波变换可以有效地增强图像的细节和对比度，从而使图像更加清晰和有吸引力。

7. 自适应增强自适应增强是一种基于局部特性的图像增强方法，它可以根据图像的局部特点来选择适当的增强方法和参数。

自适应增强可以在不同的图像区域使用不同的增强方法，从而使图像在不同区域上都能得到最佳的增强效果。

总结来说，图像增强是图像处理领域中一个重要的研究方向，它可以帮助我们改善图像的质量、清晰度和对比度，使图像更加鲜明、有吸引力。

图像灰度变换、⼆值化、直⽅图1、灰度变换1）灰度图的线性变换Gnew = Fa * Gold + Fb。

Fa为斜线的斜率，Fb为y轴上的截距。

Fa>1 输出图像的对⽐度变⼤，否则变⼩。

Fa=1 Fb≠0时，图像的灰度上移或下移，效果为图像变亮或变暗。

Fa=-1，Fb=255时，发⽣图像反转。

注意：线性变换会出现亮度饱和⽽丢失细节。

2）对数变换t=c * log(1+s)c为变换尺度，s为源灰度，t为变换后的灰度。

对数变换⾃变量低时曲线斜率⾼，⾃变量⼤时斜率⼩。

所以会放⼤图像较暗的部分，压缩较亮的部分。

3）伽马变换y=(x+esp)γ,x与y的范围是[0,1]， esp为补偿系数，γ为伽马系数。

当伽马系数⼤于1时，图像⾼灰度区域得到增强。

当伽马系数⼩于1时，图像低灰度区域得到增强。

当伽马系数等于1时，图像线性变换。

4）图像取反⽅法1：直接取反imgPath = 'E:\opencv_pic\src_pic\pic2.bmp';img1 = imread(imgPath); % 前景图img0 = 255-img1; % 取反景图subplot(1,2,1),imshow(img1),title('原始图像');subplot(1,2,2),imshow(img0),title('取反图像');⽅法2：伽马变换Matlab：imadjust(f, [low_in, high_in], [low_out, high_out], gamma)[low_in, high_in]范围内的数据映射到 [low_out, high_out]，低于low的映射到low_out, ⾼于high的映射到high_out. imgPath = 'E:\opencv_pic\src_pic\pic2.bmp';img1 = imread(imgPath); % 前景图img0 = imadjust(img1, [0,1], [1,0]);subplot(1,2,1),imshow(img1),title('原始图像');subplot(1,2,2),imshow(img0),title('取反图像');2、⼆值化1）rgb2gray⼀般保存的灰度图是24位的灰度，如果改为8bit灰度图。

图像处理中的图像增强算法分析与优化图像增强是图像处理领域中的一个重要任务，旨在改善图像的质量以及增强图像中的细节。

图像增强算法通过对图像进行亮度、对比度、色彩、锐化等方面的调整，使得图像更加清晰、细腻。

本文将对常见的图像增强算法进行分析，并探讨如何优化这些算法以提高图像质量。

一、直方图均衡化直方图均衡化是一种常用的图像增强算法，其主要思想是通过对图像的灰度直方图进行变换，使得图像的像素值分布更加均匀。

直方图均衡化可以有效增强图像的对比度，但对于某些特殊图像，可能会导致不太自然的效果。

为了解决这个问题，可以通过对直方图进行局部均衡化来实现更好的效果。

二、空间滤波空间滤波是图像增强的常用方法之一，其主要通过对图像的像素邻域进行运算，来改变图像的像素值。

常见的空间滤波算法包括均值滤波、中值滤波、高斯滤波等。

这些算法通过对邻域像素进行平均、取中值或加权平均等操作，达到去噪、模糊或锐化图像的效果。

在实际应用中，根据图像的特点选择合适的滤波算法是非常重要的。

三、小波变换小波变换是一种基于信号分析的图像处理方法，它能够将图像分解为不同尺度的频域信息。

在图像增强中，小波变换可以通过提取图像的频域信息来增强图像的边缘和细节。

常见的小波变换方法有离散小波变换(DWT)和连续小波变换(CWT)。

小波变换具有良好的多分辨率特性，可以根据不同的需求选择合适的小波和尺度，以实现对图像的增强。

四、Retinex算法Retinex算法是一种基于视觉感知的图像增强算法，其主要思想是通过模拟人眼的感知机制来增强图像的视觉效果。

Retinex算法将图像分解为反射和亮度两个分量，然后根据不同的需求对这两个分量进行调整，以达到增强图像的效果。

Retinex算法在改善图像的动态范围、增强细节等方面具有出色的表现，但该算法较为复杂，对计算资源要求较高。

五、深度学习方法近年来，深度学习方法在图像增强领域取得了巨大的突破。

深度学习方法通过训练神经网络模型，可以自动学习图像的映射关系，并根据学到的规律对图像进行增强。

【数字图像处理】灰度直⽅图、直⽅图均衡化、直⽅图规定化灰度直⽅图 ⼀幅图像由不同灰度值的像素组成，图像中灰度的分布情况是该图像的⼀个重要特征。

图像的灰度直⽅图就描述了图像中灰度分布情况，能够很直观的展⽰出图像中各个灰度级所占的多少。

图像的灰度直⽅图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数：其中，横坐标是灰度级，纵坐标是该灰度级出现的频率。

灰度直⽅图的计算公式如下：p(rk)=nk/MN其中，rk是像素的灰度级，nk是具有灰度rk的像素的个数，MN是图像中总的像素个数。

直⽅图均衡化 Histogram Equalization假如图像的灰度分布不均匀，其灰度分布集中在较窄的范围内，使图像的细节不够清晰，对⽐度较低。

通常采⽤直⽅图均衡化及直⽅图规定化两种变换，使图像的灰度范围拉开或使灰度均匀分布，从⽽增⼤反差，使图像细节清晰，以达到增强的⽬的。

直⽅图均衡化，对图像进⾏⾮线性拉伸，重新分配图像的灰度值，使⼀定范围内图像的灰度值⼤致相等。

这样，原来直⽅图中间的峰值部分对⽐度得到增强，⽽两侧的⾕底部分对⽐度降低，输出图像的直⽅图是⼀个较为平坦的直⽅图。

均衡化算法直⽅图的均衡化实际也是⼀种灰度的变换过程，将当前的灰度分布通过⼀个变换函数，变换为范围更宽、灰度分布更均匀的图像。

也就是将原图像的直⽅图修改为在整个灰度区间内⼤致均匀分布，因此扩⼤了图像的动态范围，增强图像的对⽐度。

通常均衡化选择的变换函数是灰度的累积概率，直⽅图均衡化算法的步骤：计算原图像的灰度直⽅图 P(Sk)=nknP(Sk)=nkn，其中nn为像素总数，nknk为灰度级SkSk的像素个数计算原始图像的累积直⽅图 CDF(Sk)=∑i=0knin=∑i=0kPs(Si)CDF(Sk)=∑i=0knin=∑i=0kPs(Si)Dj=L⋅CDF(Si)Dj=L⋅CDF(Si)，其中 DjDj是⽬的图像的像素，CDF(Si)CDF(Si)是源图像灰度为i的累积分布，L是图像中最⼤灰度级（灰度图为255）灰度直⽅图均衡化实现的步骤1.统计灰度级中每个像素在整幅图像中的个数2.计算每个灰度级占图像中的概率分布3.计算累计分布概率4.计算均衡化之后的灰度值5.映射回原来像素的坐标的像素值⽰例说明来看看通过上述步骤怎样实现的拉伸。

数字图像处理-空间域处理-灰度变换-基本灰度变换函数（反转变换、对数变换、伽马变换和分段线性变换）总结性的⼀篇博⽂，内容其实很简单，之所以写出来是为了对⾃⼰之前所学做⼀些总结。

参考⾃：《数字图像处理》--第三版--冈萨勒斯--中，以及师兄提供的参考资料，在此对师兄表⽰感谢。

空间域处理是直接对像素进⾏操作的⽅法，这是相对于频率域处理⽽⾔的。

空间域处理主要分为两⼤类：灰度变换和空间滤波。

灰度变换在图像单个像素上操作，主要以对⽐度和阈值处理为⽬的。

空间滤波涉及改善性能的操作，通过像元领域来处理。

空间域处理均可由下式表达：表⽰f(x, y)输⼊图像，g(x,y)表⽰输出图像，T 是变换算⼦（数学规则）灰度变换可以看作领域⼤⼩为1*1的空间域处理，这这种情况下上式变为灰度变换函数：r和s分别为输⼊、输出灰度基本的灰度变换函数常⽤的基本函数有三类：线性函数，对数函数（对数和反对数）和幂律函数（n次幂和n次根）图像反转适⽤于增强嵌⼊在⼀幅图像暗区域中的⽩⾊或灰⾊细节。

变换公式为：图像灰度级范围为[0，L-1]"""反转变换"""import numpy as npimport cv2import matplotlib.pyplot as pltdef reverse(img):output = 255 - imgreturn outputimg1 = cv2.imread(r'F:\program_study\Python\data\breast.tif') # 前头加r是消除反斜杠转义cv2.imshow('input', img1)x = np.arange(0, 256, 0.01)y = 255 - xplt.plot(x, y, 'r', linewidth=1)plt.title('反转变换函数图')plt.xlim([0, 255]), plt.ylim([0, 255])plt.show()img_output = reverse(img1)dWindow('output', cv2.WINDOW_NORMAL) # 可改变窗⼝⼤⼩cv2.imshow('output', img_output)cv2.waitKey(0)cv2.destroyAllWindows()反转变换对数变换对数变换可以拉伸范围较窄的低灰度值，同时压缩范围较宽的⾼灰度值。

数字图像处理专业实践实验四基于点处理的图像增强◆引言图像增强是图像处理中的基本内容之一，在图像处理中占有非常重要的地位。

图像增强是指对图像的某些特征，如边缘、轮廓或对比度等进行强调或尖锐化。

当一幅图像曝光不足或过度，造成对比度过小或过大而不能显示具体细节，通过增加这些细节的动态范围改善图像的视觉效果。

图像增强可以突出图像中所感兴趣的特征信息，改善图像的主观视觉质量，提高图像的可懂度。

增强的首要目标是处理图像，使其比原始图像更适合于特定应用。

图像增强的方法主要分为两类: 空间域增强法和频域增强法。

“空间域”一词是指图像平面本身，这类方法是以对图像像素直接处理为基础的；“频率域”处理技术是以修改图像的傅氏变换为基础的。

增强处理可将其灰度范围拉伸到0-255 的灰度级之间来显示，从而使图像对比度提高，质量改善。

增强主要以图像的灰度直方图最为分析处理的基础。

直方图均衡化能够增强整个图像的对比度，提高图像的辨析程度，算法简单，增强效果好。

基于点处理的图像增强方法有:灰度线性变换、灰度非线性变换、灰度分段线性变换和直方图均衡化，本文主要讨论灰度分段线性变换和直方图均衡化对图像的增强，并用MATLAB进行实验验证。

◆图像增强的研究意义图像增强是数字图像处理的最基本的方法之一，它是为了改善视觉效果或便于人或机器对图像的分析理解，根据图像的特点或存在的问题，以及应用目的所采取的改善图像质量的方法或加强图像的某些特征的措施。

图像在成像、采集、运输、复制等过程中不可避免地会造成某些降质。

如在成像过程中由于光学系统会导致图像失真，不同的光照条件会使图像的曝光度差异很大，运动状态下成像会使图像模糊；而在传输过程中，各种噪声和干扰将污染图像。

因此，通常需要对降质的图像进行预处理，以满足后期处理及分析的需要。

图像复原是改善图像的一类方法，这类方法会尽可能还原图像的本来面目，追求提高图像的保真度。

而图像增强则是一类追求图像可懂度的方法，通过处理有选择地突出某些感兴趣的信息，便于人或机器分析这些信息，抑制一些无用的信息，以提高图像的使用价值。

华南师范大学物电学院课程设计实验报告题目图像处理与编码姓名学号专业电路与系统基于分断线性变换的图像增强( 华南师范大学物理与电信工程学院，广东广州 510006 ）摘要：本文提出了一种基于区域分割的分段线性变换方法，将整幅图像分为不同的灰度段，并进行了不同的灰度处理，结合灰度直方图提供的有关灰度分布的统计信息和图像提供的空间位置信息，利用各灰度区间把图像分割成不同的区域，检验要增强的目标是否落在某灰度区间对应的图像区域内，从而加快了调整灰度区间的过程，提高了算法的执行效率，实验结果表明，在改善图像视觉效果方面，分段线性灰度变换的效果更加明显。

关键词：线性变换灰度直方图图像增强ABSTRACT:This paper proposes a piecewise linear transformation method based on region segmentation, gray level of the whole image is divided into different, and different grayscale processing, combined with the gray histogram of the gray level distribution of statistical information and image spatial location information, use each gray scale interval dividing the image into different areas, whether test to enhance target in a gray interval corresponding to the image area, so as to speed up the process of adjusting grayscale range, improve the execution efficiency of the algorithm, the experimental results show that in the aspect of improve image visual effect, piecewise linear gray level transformation effect is more obvious.KEYWORDS：Linear Transformation Gray histogram Image enhancement1 引言数字图像增强的首要目标是处理图像，以得到对具体应用来说视觉效果更好或更有用的图像。

图像灰度变换增强摘要：灰度变换是基于点操作的增强方法，它将每一个像素的灰度值按照一定的数学变换公式转换为一个新的灰度值，如增强处理中的对比度增强。

对比度增强可以采用线性拉伸和非线性拉伸。

线性拉伸可以将原始输入图像中的灰度值不加区别地扩展。

如果要求对局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理时，采用分段线性拉伸。

非线性拉伸常采用对数扩展和指数扩展。

对数扩展拉伸低亮度去，压缩高亮度区；指数扩展拉伸了高亮区，压缩了低亮度区。

关键词：图像增强，灰度变换，线性变换，分段线性变换，非线性变换一． 概述影响系统图像清晰程度的因素很多，例如室外光照度不够均匀就会造成图像灰度过于集中；由CCD （摄像头）获得的图像经过A/D （数/模转换，该功能在图像系统中由数字采集卡来实现）转换、线路传送都会产生噪声污染等等。

因此图像质量不可避免的降低了，轻者表现为图像不干净，难于看清细节；重者表现为图像模糊不清，连概貌也看不出来。

因此，在对图像进行分析之前，必须要对图像质量进行改善，一般情况下改善的方法有两类：图像增强和图像复原。

图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择的突出，而衰减不需要的特征，它的目的主要是提高图像的可懂度。

图像复原技术与增强技术不同，它需要了解图像质量下降的原因，首先要建立"降质模型"，再利用该模型，恢复原始图像。

根据图像增强处理过程所在的空间不同，图像增强可分为空余增强法和频域增强法两大类。

频域增强是在图像的某种变换域内，对图像的变换系数值进行运算，即作某种修正，然后通过逆变换获得增强了的图像。

空域增强则是指直接在图像所在的二维空间进行增强处理，既增强构成图像的像素。

空域增强法主要有灰度变换增强，直方图增强，图像平滑和图像锐化等。

图像的灰度变换处理是图像增强处理技术中一种非常基础，直接的空间域图像处理法，也是图像数字化软件和图像显示软件的一个重要组成部分。