图像算法图像增强图像增强可分成两大类：频率域法和空间域法

前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强

采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰

后者空间域法中具有代表性的算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声

图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配

在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像

图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类

基于空域的算法处理时直接对图像灰度级做运算，基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法

基于空域的算法分为点运算算法和邻域去噪算法

点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度

邻域增强算法分为图像平滑和锐化两种

平滑一般用于消除图像噪声，但是也容易引起边缘的模糊

常用算法有均值滤波、中值滤波

锐化的目的在于突出物体的边缘轮廓，便于目标识别

常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等

空域方法有直方图均衡化、灰度线性变化、图像平滑、图像锐化等

频域方法有低通滤波 、高通滤波等

低通滤波 包括理想低通滤波、巴特沃斯低通滤波、指数低通滤波、梯形低通滤波，高通滤波包括理想高通滤波、 巴特沃斯高通滤波、指数高通滤波、梯形高通滤波，还有彩色图像增强（真彩色、假彩色、伪彩色增强）

以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。