在近代科学研究、军事技术、工农业生产、医学、气象、电子技术等各种领域中,图像信息越来越多地被人们用来认识和判断事物,解决实际问题。在实际生活当中,通过成像系统获得的图像都会有一定程度的退化,造成图像信息的丢失。低能见度条件下拍摄的图像中景物的对比度和颜色在大雾天气影响下被改变或退化,图像中蕴含的许多特征被覆盖或模糊,使景物的可辨识度大大降低,这就需要图像增强及复原技术来改善人的视觉效果。典型的图像处理系统包括三个阶段,首先是获取原始图像进行预处理；二是特征提取阶段；三是识别分析阶段。图像预处理尤为重要,如果这个阶段处理不好,后续工作将无法展开。而图像增强就是数字图像的预处理中的重要技术,可见其重要性。图像增强的目的就是为了改善输入图像的视觉效果将模糊的图像变为清晰的图像,从而为后续的图像分析和图像理解环节打下坚实的基础。目前在国内外,图像增强处理技术已经在医学诊断、航空航天、军事侦察、指纹识别、卫星图片等领域有着广泛且重要的应用,因此对它的研究具有十分重要的意义。图像增强的方法往往具有针对性,很难对增强结果加以量化描述,只能靠经验,人的主观加以评价,国内外学者提出了许多的增强算法,但至今为止还没有一种是通用的、可靠的衡量图像质量指标来评价图像增强方法的优劣。常用的图像增强方法分为空间域法和频率域法。空间域法是直接方法,频率域法称为间接法。空间域图像增强方法是对图像的像素进行处理,可以定义g(x,y)=T[f(x,f)],其中f(x,y)是输入图像,也就是原始图像,g(x,y)是输出图像,即处理后的图像,T是对f的一种操作。常用的空间域图像增强方法有,灰度变换,直方图均衡化,直方图规定化,图像平滑,图像锐化。频率域图像增强方法是将图像先进行傅里叶变换到频率域,再将图像进行各种滤波来处理图像。基本步骤是：①计算需要增强图像的傅里叶变换；②将其与-个(根据需要设计)传递函数进行卷积；③将结果进行傅立叶反变换,得到增强的图像。常用的滤波器有,理想(高)低通滤波器,巴特沃斯(高)低通滤波器,高斯(高)低通滤波器。本文主要讨论数字图像增强的方法及其实现,图像增强的目的就是为了提高图像的视觉质量。空间域法和频率域法已经研究得很透彻了,并且采用单一的图像增强方法处理图像效果也不是很明显,所以本文将会介绍空间域与频率域结合的图像增强方法,并且提出两种空间域和频率域相结合的图像增强方法。针对图像增强技术,本文首先介绍图像增强的目的和意义、背景,图像增强技术在国内外研究的发展状况以及它在实际生产中的应用。接着本文介绍了数字图像处理这门学科的基本的理论知识,让读者了解一些关于这一门学科的专业术语,对这一门学科有一个清晰的认识,清楚这门学科的主要研究内容。接着本文将会对图像增强处理这一主题给出一些理论的知识,包括图像增强的原理,还有一些图像增强的专业术语等等。再接着,本文将对图像增强的各种传统的图像增强方法进行一讲解,包括空间域和频率域,这一部分将分为两个章节来讲解,并且全都用Matlab编程来模拟仿真实现每一种图像增强算法对图像的处理效果。然后通过分析传统图像增强方法的特点,在研究了传统方法的基础之上,本文提出两种将空间域与频率域图像增强方法结合起来的图像增强方法,并且通过Matlab对这两种算法进行模拟仿真实验。第一种图像增强算法将空间域中的直方图均衡化、拉普拉斯变换和频率域中的高斯低通滤波相结合,讨论了直方图均衡化、拉普拉斯变换和高斯低通滤波去噪的基本原理,针对噪声图像采用了频率域去噪,在空间域直方图均衡化和锐化的方法增强,并且运用一些客观指标来说明这种图像增强方法的有效性。实验结果表明,该方法可以使图像更加清晰,更加锐化。第二种算法将空间域中的直方图均衡化和频率域中以高斯高通滤波为基础的高频提升滤波相结合。直方图均衡化方法是传统经典的图像增强有效手段,但是处理过的图像损失了大量的灰度层次,且增强力度不够。高频提升滤波可以增强图像的高频成分,即图像的细节,从而弥补了直方图均衡方法的不足。本文采用空间域直方图均衡化和频率域高频提升滤波相结合的方法对图像进行处理。利用图像中变化剧烈的信息只与高频成分有关这一原理,结合MATLAB程序设计,实现了直方图均衡技术并对图像进行了增强处理,在此基础上再使用高频提升滤波对图像进行处理。实验表明,经该方法增强后的图像,其主观视觉效果明显改善,图像增强效果比单一采用一种技术的效果要好。本文对图像增强方法做了一个比较全面的研究,希望对读者在学习图像增强这些知识的时候有一定的帮助,具体内容包括：1.了解数字图像处理的基本理论知识；2.介绍传统的数字图像增强方法；3.在前面的基础上研究出两种新的图像增强算法：①一种基于频率域和空间域相结合的图像增强方法,②基于高频提升滤波与直方图均衡化的图像增强方法；4.编程实现所有提出的数字图像增强方法。