[2]增强的最终目的都是提升图像的视觉效果，提高图像的辨别和特征提取效果，从而满足一些特定分析的需求。 增强过后的图像评价一般都是借助人眼视觉特性来判断是否取得比较好的视觉效果。图像效果与具体的图像有着很大关系，这也就为什么增强的效果一般而言都依靠人的主观感受来评判，只能笼统地判断是否更“好看”或者是更“有用”，这样评判标准无法量化，具有很强的针对性。 目前图像增强的方法技术已经逐步渗透在我们的日常生活，为个人生活与社会生产的方方面面都提供了许许多多的便利，为促进社会生活效率做出重大贡献。它的应用涉及科学研究、工业生产、国防军事、生物医疗等多个领域，并且在国家经济技术发展与国民日常生活中都存在着极大的推动效应。 通过表1.1，我们可以粗略看到图像中增强技术在各个具体领域的部分应用：领域  应用 气象  云图分析 物理化学  谱分析、结晶分析 地质  地图绘制、资源探测、GIS 农林  农作物估产、植被分布调查 水利  河流分布、水利、水害调查监测 工业  产品质量检测、自动化生产流水线 公共安全  生物特征识别、跟踪锁定、事故分析 生物医学  细胞分析、血球分类、X光照片分析、CT 随着计算机行业日新月异的发展，将自然图像转化到数字形式成为不可或缺的过程，贵且复杂的专用图像数字化设备和显示设备现在已经变得低廉而应用广泛，性能也在不断提升之中，代表着数字图像的普及应用会越来越广泛。与此同时，对于数字图像的质量要求和标准也在逐步提升。
1.2  国内外研究现状 20 世纪 20 年代可说是数字图像技术最初开始的地方，人类历史上首次利用海底电缆实现压缩照片远距离传输。60 年代初，大型计算机的出现带来了数字图像这一概念，直到 70年代初，图像增强技术逐渐在许多领域崭露头角，并且获得了较为广泛的运用。80年代之后，在二维图像的基础上，硬件技术的快速进步极大推动了三维图像的研究。研究者们经过不懈努力，创造出了很多不仅能够获取三维图像，并且能够对其进行分析处理工作的机器与系统，从而使得图像处理能够用在更多、更广大的领域。而在21世纪，图像处理技术会向着更深更远更高质量的需求继续前进，实现高速实时的动态处理，完善智能成像、自动处理，提高机器的理解能力。 图像增强之所以能够如此快速发展，是因为它能为后期的信息提取以及其他分析处理提供一个良好的基础。图像增强技术基本上可分成两大类：一类是频域处理法，另一类是空域处理法。[1] 空间域的处理方法比较直接，只需对像素下手，一般都是将灰度映射作为基础，变换的手段与特性都由图像本身特征以及目的用法来决定。经常使用的处理方式包括灰度变换、直方图均衡化、邻域平均法、中值滤波、梯度锐化、拉普拉斯算子锐化等等。以上都属于比较传统的增强手段，而 20 世纪 90 年代以来，基于局部变换的增强手段开始出现，日渐丰富并且成熟起来，这类方法能够更好地适应图像局部特性。比较典型的算法有部分块重叠的直方图均衡[15]、局部直方图均衡化技术[16]、利用局部统计特性的噪声去除方法[17]等，这方面的问题目前仍是图像增强领域研究的一大热点[18]。 频率域的增强方法需要将图像信息转到一个变换域之中，按照特定的一些规则公式将变换系数计算之后得出一个结果。而后对该结果进行逆变换，回到空间域，从而获得改进图像。这是一种比较间接的图像处理方法。经常使用的处理办法是在经过 FFT,OCT 等变换，进入到其他域后，进行同态滤波、低通滤波、高通滤波、带通和带阻滤波等。 近年来一些学者也在尝试着将一些新的理论引入图像处理算法之中，如小波变换[20]、遗传算法、神经网络偏微分方程、模糊映射理论等等。图像增强处理办法五花八门[19]，这中间有许多的处理都由一种以上的手段相互结合后应用。[21]在面对形色各异的需要与问题时，要恰当选择，设计创新对应的针对性算法。 MATLAB数字图像增强处理方法研究与实现(2):http://www.youerw.com/tongxin/lunwen_42599.html