众所周知，图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法，其主要目的是使处理后的图像对某种特定的应用来说，比原始图像更适用。目前，已经有许多常用的图像增强方法，如直方图均衡、直接灰度变换、各种各样时频域的平滑及锐化处理等，这些方法都能达到一定的增强效果，如直方图均衡和直接灰度变换可以改善图像的明暗对比度，平滑处理可以去除噪声，锐化则可以提高边缘及细节信息的清晰度，但它们又都各有不足，直方图均衡和直接灰度变换不能有效去除噪声，平滑处理会导致图像变模糊，锐化对噪声很敏感，会降低图像的信噪比。由此可见，在实际的图像处理操作中，以上的各种方法都很难得到无噪而又高清晰的处理结果。 为了避免常用方法的缺点和不足，达到既能有效去除噪声，又能提高图像细节信息清晰度的增强处理效果，以便于科研工作人员后继的研究和应用，本文提出一种新的基于粗糙集(RoughSets，RS)和反锐化掩模(UnsharpMasking，UM)的图像增强方法。首先运用粗糙集把原始图像进行知识化表达，然后依据计算求得的阈值对图像进行属性归类，将知识化后的图像划分成亮区、暗区、噪声区及非噪声四种不同的区域，并结合粗糙集中的近似及等价属性关系，对亮区和暗区分别进行噪声的有效去除，进而合并亮暗区既可得到无噪声干扰的图像，最后再运用小波分析将去噪后的图像分解成不同层次的低频近似和高频细节子图像，并按照人眼的视觉特性对高频子图像实施反锐化掩模法增强，实现对轮廓及细节信息的增强处理，再合并增强后的高低频子图像，从而完成图像的最终增强。 为了证实本文所设计新方法的有效性和优越性，实验时分别做了分步与综合仿真。首先对只含有噪声的图像，采用粗糙集去噪与其它方法去噪的仿真效果做了比较；其次对只存在模糊问题的图像，运用小波反锐化掩模与其它锐化方法的仿真效果做了比较；第三次的综合仿真对象为既有噪声又模糊的人脑CT图像和玻璃啤酒瓶上的裂纹图像，综合运用本文提出的粗糙集与小波反锐化掩模相结合的增强方法处理，并与其它常用方法的结果作以仿真效果比较，验证该方法的有效性。 仿真结果表明，首先本文的粗糙集去噪效果不论在主观视觉效果上，还是在客观的信噪比上，明显好于常用图像去噪方法的处理结果；其次本文的小波反锐化掩模锐化效果也是优胜于其它常用锐化方法的结果；最后综合运用粗糙集和小波反锐化掩模进行既去噪又锐化的效果同样较其它方法是很好的，综上足以证明本文方法不但能有效去除噪声，还能很好的提高边缘细节清晰度，取得颇为满意的增强效果。