部分内容来源于：http://lijiwei19850620.blog.163.com/blog/static/97841538201210239635623/
图像增强即增强图象中的有用信息，它可以是一个失真的过程。其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
注意：
1、图像增强处理并不能增加原始图像的信息，只能增强对某种信息的辨别能力，而这种处理肯定会损失一些其它信息；
2、强调根据具体应用而言，更“好”更“有用”的视觉效果图像；
3、图像增强处理最大的困难——增强后图像质量的好坏主要依靠人的主观视觉来评定，也就是说，难以定量描述。
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。
1、基于空域的算法
直接对图像灰度级做运算，分为点运算算法和邻域增强算法。
（1）空域变换增强：点运算也即对比度增强、对比度拉伸或灰度变换，是对图像中的每一个点单独地进行处理，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。新图像的每个像素点的灰度值仅由相应输入像点运算，只是改变了每个点的灰度值，而没有改变它们的空间关系。
空域变化增强分为线性变换，非线性变换，直方图均衡化，直方图规定化。
（2）空域滤波增强：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。
空域变换增强是强调对图像整体进行调整，空域滤波增强强调对图像局部进行改善(比如增强边缘和纹理信息)。
2、基于频域的算法
把图像看成一种二维信号，采用图像傅立叶变换实现对图像的增强处理，基础是卷积定理，是一种间接增强的算法。它也分为图像平滑和锐化两种方法。
图像平滑：采用低通滤波法，只让低频信号通过，可去掉图中的噪声；
图像锐化：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。
补充说明：
1. 图像直方图：https://www.zhihu.com/question/20511799
人们把照片的亮度分为0到255共256个数值，数值越大，代表的亮度越高。其中0代表纯黑色的最暗区域，255表示最亮的纯白色，而中间的数字就是不同亮度的灰色。人们还进一步把这些亮度分为了5个区域，分别是黑色，阴影，中间调，高光和白色。
当我们用横轴代表0-255的亮度数值。竖轴代表照片中对应亮度的像素数量，这个函数图像就被称为直方图。
直方图中柱子的高度，代表了画面中有多少像素是那个亮度，其实就可以看出来画面中亮度的分布和比例。
2. 直方图均衡化：https://www.cnblogs.com/tianyalu/p/5687782.html
3. 直方图规定化(直方图匹配): http://blog.csdn.net/guoyk1990/article/details/8112552
4. 空域滤波： 在空域做卷积等于在频域滤波。 http://blog.csdn.net/green_master/article/details/52490515
