图像增加
像在生成、传输或变换的过程中，受光源性能、成像系统性能以及通道带宽和噪声等诸多因素的影响，往往会出现清晰度下降、对比度偏低、动态范围不足、包含噪声等降质现象。为了后续的处理与分析，往往需要提高或恢复图像质量。在不深究图像降质原因的情况下，只根据图像的特点和处理的目的，采用一定的技术进行修正，得到一个更“好”或者更“有用”的图像，这类技术称为图像增强
图像增强方法根据作用域可分为空间域法和频率域法。空间域法是指在空间域内直接对像素灰度值进行运算处理，常用的空间域法有图像的灰度变换、直方图修正、图像空域平滑和锐化处理、伪彩色处理等。频率域法就是在图像的某种变换域内，对图像的变换值进行增强处理，然后通过逆变换获得增强图像。这是一种间接处理方法
根据处理目的和效果，图像增强方法又可分为平滑和锐化。平滑是保持或加强图像中的低频成分，削弱或消除图像中的高频成分。低频成分对应图像中的整体等变化缓慢的部分，高频成分对应图像中的边缘和细节等变化快的地方，将高频成分去掉，对图像有一定的模糊作用，使得图像过渡自然柔和，并能减少随机噪声。锐化是加强图像中的高频成分，减弱图像中的低频成分，加强高频成分可以突出细节和变化，使得图像轮廓边缘清晰、对比分明。
灰度增强
灰度增强常常借助灰度变换进行。灰度变换是在图像空间直接对各像素的灰度按照一定关系进行映射变换，从而使图像得到增强的方法。灰度变换后图像的增强效果与所采用的变换函数有直接关系。它可以对图像的像素灰度直接进行，也可以间接进行。直接灰度变换可以分为线性变换和非线性变换，而间接灰度变换往往依据图像一定的灰度特征（如直方图特征）等进行
灰度直方图增强
灰度直方图是表示一幅图像灰度分布情况的统计图表。直方图的横坐标是灰度级，一般用r表示；纵坐标是具有该灰度级的像素个数nr或该灰度级出现的概率prr
灰度直方图增强是根据图像的灰度分布特点，经过变换和处理以改变原有直方图形状，从而达到增强的目的。常用的方法有直方图均衡化和直方图规定化两种
直方图均衡化
基本思想是对原始图像中的像素灰度做某种映射变换，使变换后图像灰度的概率密度均匀分布，即变换后的图像是一幅灰度级均匀分布的图像，这意味着图像灰度的动态范围得到了增加，从而可提高图像的对比度
一般来说，首先要保证变换前后灰度级从黑色到白色的次序不变，其次要保证变换前后灰度值动态范围的一致性。
直方图规定化
可以变换直方图使之成为所需要的形状，从而有选择地增强某个灰度值范围，这种方法称为直方图规定化或直方图匹配
灰度线性变换
反色变换
反色变换是灰度线性变换中一种比较特殊的情况。对图像求反就是将图像的灰度值翻转，简单地说就是将黑色变成白色，将白色变成黑色。
对比度扩展
对比度扩展就是当图像的有用信息集中在较小的灰度范围时，压缩某部分（不感兴趣的部分，一般为背景或噪声）所占据的灰度范围，而将有用信息（感兴趣的部分，称为前景或目标）所占据的灰度范围拓宽。这样，加大了明暗之间的间距，增加了图像各部分的反差，从而达到增强对比度的目的。
削波
削波可以看作对比度扩展的一个特例，将灰度级缩放到感兴趣的区间内
灰度切分
灰度切分是将某一区间的灰度和其他部分分开，这往往通过在整个灰度区间开设窗口的形式实现。灰度切分变换有两种：一种是清除背景；另一种是保留背景
灰度非线性变换
指数函数、对数函数和γ校正是三种常用的灰度非线性变换。
图像平滑
图像平滑主要有两个作用：一个是消除或减少噪声，改善图像质量；另一个是模糊图像，使图像看起来柔和、自然。图像平滑可以在空间域进行，也可以在频率域进行。空间域常用的方法有邻域平均法、中值滤波法、多图像平均法等；在频率域，可以采用理想低通滤波器、巴特沃斯低通滤波器等各种形式的低通滤波器进行低通滤波，以实现平滑处理
邻域平均法
邻域平均法就是对原始图像的每个像素点（ｘ，ｙ）取一个邻域Ｒ，计算Ｒ中所有像素和该点的灰度平均值，把它赋给输出图像中的对应点，
中值滤波法
中值滤波实际上就是用一个含有奇数个像素的窗口在图像中滑动，将窗口中心点的灰度值用窗口内各点灰度值的中值代替
频域低通滤波法
分析图像的傅里叶频谱可以发现，图像的频谱主要集中在低频部分。而一般来说，噪声的频带很宽，大部分集中在较高的频带上。因此可以用频域低通滤波法去除或削弱图像的高频成分，以使噪声得到消除或抑止，从而实现图像平滑
帧间平滑
帧间平滑也称为多图像平均，它是利用对同一景物采集的多幅图像取平均来抑止噪声。在图像采集过程中常应用这种方法来滤除噪声。在获取、传输和处理图像的过程中都可能会引入噪声
图像锐化
主要是加强高频成分或减弱低频成分。图像的低频成分主要对应于图像中的区域和背景，而高频成分主要对应于图像中的边缘和细节。因此，图像锐化加强了细节和边缘，有消除图像模糊的作用。因为噪声主要分布在高频部分，如果图像中存在噪声，锐化处理将会对噪声有一定的放大作用。
伪彩色和真彩色增强
RGB模型
选定的三基色分别以Ｒ、Ｇ、Ｂ表示，任一种由之合成的颜色Ｓ可以表示为
S=r×R+g×G+b×B
HSI模型
色调（hue，Ｈ）、饱和度（saturation，Ｓ）和明度（Ｉintensity，Ｉ）也是颜色的三个独立特性，其中Ｉ与颜色无关，而Ｈ和Ｓ与人对颜色的感知是密切相关的，HSI模型的这个特性使得它非常适合于以人的视觉系统来感知颜色特性的图像处理。
二者的转换关系
⎩⎨⎧I=31R+G+BS=1−R+G+B3×[minR,G,B]H=arccos{[R−B2+R−BG−B]1/2[R−G]+[R−B]/2}
伪彩色增强
伪彩色增强是对原来灰度图像中的不同灰度值赋予不同的颜色，从而把灰度图像变成彩色图像，提高图像的可视分辨率。因为灰度图像并没有颜色，所以人工赋予的颜色常称为伪彩色，这个赋色过程实际是一种重新着色的过程。
- 亮度切割技术
- 灰度级彩色变换
- 频域滤波法
真彩色增强
真彩色增强的对象是一幅自然的彩色图像
- RGB空间的真彩色增强:以调节RGB的三个分量，从而达到预期的目的和效果。
- HSI空间的真彩色增强:在HSI空间中，色度和亮度无关，单独对亮度进行处理并不改变原始图像的彩色内容。但要说明的是，增强后的图像看起来可能会有些不同，这是因为尽管色调和饱和度没有变化，但亮度分量得到增强，整个图像会比原来更亮一些。