图像增强作为图像处理最为基本也最为重要的图像处理技术，不考虑图像的降质原因，只突出图像中感兴趣的部分，弱化图像中不感兴趣的部分从而来调整图像整体或者局部特性。图像增强目前尚且没有统一的理论，常用的图像增强技术包括图像直方图修正，图像平滑，图像锐化。而处理的技术也是包括空域处理和频域处理。空域增强法是直接针对图像中的像素，对图像的灰度进行处理，这种方法属于直接增强。它包括灰度变换，直方图变换，去除噪声的平滑方法和增强细节的锐化。频域处理是应用傅里叶变换将实域变换到频域，然后在频域里面进行各种滤波，然后傅里叶反变换得到处理后的图像。 59999

目前用图像增强处理雾天图像效果比较好的有以下几种算法：

1、直方图均衡化。直方图均衡化包括了全局的直方图均衡化，局部直方图均衡化。全局直方图均衡化计算较为简单，效果明显，但是由于没有考虑图像局部信息，造成图像的部分高频信息丢失。如果图像场景复杂而且景物深度多变，这时候局部直方图均衡化就表现出了很好的效果。局部直方图均衡化是对图像进行模板操作，如果不考虑图像边缘像素，通过移动模板对图像中的每一个点都对其进行直方图均衡，均衡得到的结果作为该点均衡化后的结果。但是同时也付出了巨大的代价，因为这样做相当于对每一点都要进行直方图均衡，需要很长的时间，这在实时化视频处理里面是不易实现的。目前大量的文献都在研究一种自适应的直方图均衡化的算法。为了减少算法的复杂性，有学者提出了非重叠子块的直方图均衡化的算法，但是这种方法由于采用了非重叠的方法，导致处理后的图像存在块效应。针对这种算法的缺陷论文网，又有学者提出了POSHE算法，这种算法可以在一定程度上降低由于局部直方图均衡化带来了块效应。有文献提出了[5]内插值的直方图均衡化。这些算法均能很好的实现局部直方图非重叠的运算，大大的降低了算法的运算量，且能很好的保持图像的增强效果。

2、Retinex算法。Retinex 图像增强算法是一种建立在科学实验和科学分析基础上的图像增强理论，其实质就是从图像 S 中抛开照射光 L 的影响来获得物体的反射性质 R，即获得物体本来的面貌。与其它图像增强方法相比，Retinex 算法具有锐化、颜色恒常性、动态范围压缩大、色彩保真度高等特点。

最早的Retinex算法是1971年Land和McCann提出的任意路径算法[6]（random walk）,这是一个时间离散的随机过程算法，即下一个像素位置的选择是从当前像素周围的邻域中随机挑选出来的。但是其缺点是计算量大。

3、小波变换和曲波变化。曾好德等人在分析模糊图像噪声特点的基础上，在小波域上对薄雾图像的低频信息和高频信息采用不同的处理方法，取得了优于传统滤波方法的效果。