图像增强方法很多，且随着技术发展也不断有新的方法出现，但其归根结底无非利用了图像像素间冗余信息和人眼的视觉特点，从大的方面看可以分为空间域方法和频域方法。空间域是单帧图像自身，通常以直接处理像素为基础。而频域则是修改图像的在频域里的变换为基础。常用的有傅里叶变换、小波变换等。今天我们只讲解：空间域图像增强方法
   所谓空间域增强是指增强构成视频图像的像素，直接对这些像素操作的过程。主要有一下方法：
    基本灰度变换：将图像像素值由一个范围映射到另一个范围，包括线性变换，对数变换和幂次变换。通过灰度变换，可以提高不同像素点间灰度差，提高对比度，更有利于人眼认清细节。同时该方法也是其他一些方法的基础。
     直方图处理：将原图像通过某种变换，得到一幅灰度直方图为均匀分布或者规定分布的新图像的方法，是图像增强算法中zui常用、zui重要的算法之一。它以概率理论做基础，运用灰度点运算来实现直方图的变换，从而达到图像增强的目的。通过直方图均匀化可以有效改进图像的动态范围，提高对比度，更有利于人眼对细节的辨认。
    平滑空间滤波：平滑空间滤波主要是进行过滤图像噪点，平滑图像。平滑滤波方法很多，比如线性平滑滤波，包括均值滤波等：非线性平滑滤波，如中值滤波。线性滤波有很好的平滑效果，可以过滤噪点，但也会导致边缘细节的模糊。非线性滤波是对线性滤波的一个改进，会对根据像素点的状态采取不同的策略，可消除一些孤立的噪点，对图像细节影响不大，但会对图像的边缘带来一定的失真。为了克服以上两种算法的缺点，人们又提出很多改进方案，引入自适应的平滑算法，通过各种方法兼顾噪点的滤除和图像细节的保持。
    锐化空间滤波：同平滑空间滤波相反，锐化空间滤波是为了突出图像中的细节或者增强被模糊了细节。锐化空间滤波主要通过一阶和二阶的锐化滤波器来实现，如梯度法、拉普拉斯算只滤波等。锐化空间滤波会提升图像细节，但也会使噪声点得到放大。
  综合方法：为了达到图像细节和噪点过滤及对比度等，人们发展了很多综合性方法，如Retinex算法，以人类视觉原理和色感一致性为基础，可以在动态范围压缩、边缘增强和颜色恒常三方面达到平衡，因此可以对各种不同类型的图像进行自适应性地增强。文章来源：http://www.chtonb.com 仅供参考！