（1）直接灰度变换
    这种变换方式是一种基本的空间域图像增强的方法，是为了改善画质，使图像显示效果更好，一种点操作，是根据特点的目标条件对图像单个像素进行处理，改变每个像素的灰度值，常常用于图像显示软件。通过改变灰度的动态范围，将某一段灰度级从[a,b]灰度级扩展或压缩到[c,d]灰度级，这样以后，图像对比度就会得到扩大，使图像细节更清晰；
   （2）直方图处理
    直方图均衡化和直方图规定化是直方图处理的两个方面，它们都是通过经过一系列处理使灰度级呈均匀分布，从而达到图像增强的目的。实际上，图像直方图的横坐标表示在灰度图像中的图像灰度值，左侧为纯黑较暗的区域，右侧为为纯白较亮区域。图像是由很多单独的像素构成的，灰度分布的直方图是反映图像的一个重要的依据，所以在具体应用时，图像直方图在扩大对比度、提取图像特征、图像匹配等方面都发挥很好的作用；
   （3）空间滤波法
    直方图均衡化虽然是一种全局对比度增强算法，但是因为它是针对整幅图片的灰度级自动处理，经常会产生一些人工处理的痕迹，导致原图像很多灰度级细节丢失从而使得图像失真，这是它的一个致命的缺点。相反地，空间滤波作为图像预处理操作，结合各个像素点领域像素，可以有效地针对特定的区域进行细节补偿，改善图像性能，很好地解决了这一问题。主要包括空间平滑和空间锐化。空间滤波凭借其其计算简单快捷的优点，因而受到人们的青睐，得到了广泛的应用。所谓空域滤波，就是使用滤波模板对图像进行相关处理，该模板就被叫做空间滤波器。通常我们把空间滤波器分为线性空间滤波器和非线性空间滤波器两种[3]。
2.1.2  频域图像增强
    频域图像增强用一种简单的说法就是在频率域对图像进行相应的处理，然后将增强后的图像转换原色彩空间中。提到频域，自然离不开傅里叶变换，它是频域图像增强主要环节。频域图像增强是指将原始图像从空间域经过傅里叶变换转换到频域，然后对频域内的图像进行滤波处理，再通过傅里叶反变换将频域内图像重新转换到空间域，最后所得到的图像即为频域增强后的输出图像。具体过程可从图2.1中的流程图中看出。
 
图2.1  频域图像增强流程图
    其中，f(x, y)为未处理的图像，F(u, v)为经过傅里叶变换已经转换到频域后的图像，H(u, v)为修正函数，也是滤波器函数，G(u,v)=F(u, v)×H(u, v)为滤波后频域输出图像，g(x, y)为空域输出图像。依照具体的处理需求和使用环境，可以选择特定的滤波器函数，对应特定的滤波器。
2.1.3  直方图均衡化图像增强
    在这一节我们重点解释下本课题所要用的直方图均衡化的图像增强算法。
    在传统的灰度图像增强的各种算法中，直方图均衡化可以说是一种很基本、很普遍的算法。它是将原图像的灰度值分布变换成灰度值均匀分布，从而获得处理后的高质量图像。
    传统灰度图像的直方图均衡化已经具备了很多种方法，我们所使用的方法的具体过程如下：
  （1）未处理的图像的概率密度函数 p(rK)由公式（2-1）计算出来
                          （2-1） 基于FPGA的彩色图像增强技术研究(3):http://www.youerw.com/tongxin/lunwen_19216.html