基于直方图的图像增强技术的研
直方图图像增强技术
Computer Knowledge and Technology 电脑知识与技术第7卷第4期(2011年2月)直方图图像增强技术龙清（重庆广播电视集团（总台），重庆401147）摘要：图像增强就是通过一定的方法对图像进行处理和变换，它能有效地改善图像整体质量和局部特征，是数字图像的预处理。
基于直方图均衡化和规定化处理的图像增强技术，能有效地改善图像的对比度和灰度动态范围。
实验结果表明，直方图均衡化和规定化处理确能有效地改善图像的对比度和灰度动态范围，从而改善图像的可视质量。
关键词：图像增强；直方图；均衡化；规定化；灰度级；MATLAB中图分类号：TP391文献标识码：A 文章编号：1009-3044(2011)04-0883-04The Image Enhancement Based on HistogramLONG Qing(Chongqing Radio &TV Group (Station),Chongqing 401147,China)Abstract:Image enhancement which is also called image pre-processing ,can improve the visual quality of the whole and partial image,by transforming the image's data according to some special methods.The image enchancement based on histogram equalization and specifica -tion can improve the contrast details and the dynamic range of gray level of the image.The MATLAB experiments demonstrate that the image enchancement based on histogram equalization and specification actually make the image better in vision.Key words:image enhancement;histogram;equalization;specification;gray level;MATLAB在图像摄取、传输和变换过程中，由于受到系统噪声、曝光不足（或过量）以及相对运动等因素影响，获取的图像往往会与原始图像之间产生某些差异(称为降质或退化)。
基于直方图处理的局部图像增强算法研究
［ 键 词 ］ 图像 增 强 ；局 部 图像 增 强 ；直 方 图处 理 关 ［ 图 分 类 号 ］ Ｔ ３ １４ 中 Ｐ ９．１ ［ 献 标 志码 ］Ａ 文 ［ 章编号］１７ 文 ６ ３—１０ （０ ３ １ ０ ２ — ３ ４ ９ ２ １ ）Ｏ — ０ ５ ０
在 进行 图像 处理 前 ，需 要 获取原 始 图像 。 图像在 采 集 、传 送 、变 换 过程 中 ，会 受 到 噪声 、曝 光 度 、
１ 直 方 图
直方 图是 图像 的一 种统 计表 达方 式 ，灰度 级为 ［ ， １ Ｏ Ｌ一 ］的图像直 方 图是离 散 函数 ：
（ ）：
户（ ）： ｎ ／ 志
（ 意表示第 ｋ级灰度 ， 是 ｒ 的像 素个数 ）
用 以直观 表现 图像 灰度级 的分布 。 直 方 图进 行 归一化 处理 ， 常用 ： 对 通
Ｉ ３ ｃｒｏ ６ ．ｏ ｎ
ｒ ： －
， ｉｓ ｒ． ， ｕ ｕ （ ｑ ￣
理 工 上 旬 刊 ＊ 算 机 科Ｏ ３年 １ 月
医学影像处理中的图像增强技术研究探讨
医学影像处理中的图像增强技术研究探讨医学影像在现代医疗诊断中扮演着至关重要的角色，它能够帮助医生直观地观察人体内部的结构和病变情况。
然而，由于各种因素的影响，原始的医学影像可能存在清晰度不高、对比度不足等问题，这就需要运用图像增强技术来改善影像质量，以便更准确地进行诊断和治疗。
图像增强技术的目的是通过一系列的处理方法，突出影像中的有用信息，抑制无用信息，从而提高图像的可读性和可理解性。
在医学影像处理中，常用的图像增强技术包括灰度变换、直方图均衡化、空间滤波、频率滤波等。
灰度变换是一种简单而有效的图像增强方法。
它通过改变图像中像素的灰度值来调整图像的对比度。
例如，线性灰度变换可以将灰度范围拉伸或压缩，从而增强图像的对比度。
而非线性灰度变换，如对数变换和指数变换，则可以根据图像的特点对不同灰度区域进行有针对性的调整，使得原本较暗或较亮的区域能够更清晰地显示出来。
直方图均衡化是另一种常见的图像增强技术。
它通过重新分布图像的灰度值，使得直方图更加均匀，从而增强图像的对比度。
直方图均衡化的优点是计算简单，效果明显，但有时可能会导致图像的细节丢失。
为了克服这一缺点，人们提出了局部直方图均衡化方法，它只对图像的局部区域进行直方图均衡化处理，从而更好地保留图像的细节。
空间滤波是基于像素及其邻域的运算。
常见的空间滤波器有平滑滤波器和锐化滤波器。
平滑滤波器可以去除图像中的噪声，使图像变得更加平滑。
均值滤波器和中值滤波器是两种常用的平滑滤波器。
均值滤波器通过计算邻域像素的平均值来替代中心像素的值，从而减少噪声的影响。
中值滤波器则是将邻域像素的值进行排序，取中间值作为中心像素的值，对于去除椒盐噪声等效果显著。
锐化滤波器则用于增强图像的边缘和细节，常用的有拉普拉斯算子和索贝尔算子。
频率滤波是基于傅里叶变换的图像增强方法。
通过将图像从空间域转换到频率域，对不同频率成分进行处理，然后再转换回空间域，实现图像增强的目的。
低通滤波器可以去除高频噪声，使图像变得更加平滑；高通滤波器则可以增强图像的边缘和细节。
图像增强及其在医学图像诊断中的应用研究
图像增强及其在医学图像诊断中的应用研究图像增强是一种数字图像处理技术，可以通过对图像进行滤波、增强、去噪等操作，使图像在视觉上更加清晰、明亮、有利于图像的理解和分析。
在医学图像诊断方面，图像增强技术得到了广泛的应用。
一、图像增强技术的分类图像增强技术可以分为直方图增强技术、空间滤波技术和小波变换技术。
1.直方图增强技术直方图是图像中像素强度的分布情况，直方图增强技术将像素的灰度级转换成更有意义的视觉效果。
这种技术通常是通过直方图均衡化、自适应直方图均衡化和伽马变换等实现的。
直方图均衡化是指将直方图映射到一个均匀分布上，从而使图像更加清晰明亮。
但是，在某些情况下，直方图均衡化会使图像出现噪声和失真，自适应直方图均衡化和伽马变换等技术可以解决这些问题。
2.空间滤波技术空间滤波技术是一种在空间域进行的图像增强技术，通过和模板卷积来实现像素的局部增强和滤波。
空间滤波技术可以通过卷积核大小和参数调整来处理图像，常见的空间滤波技术有中值滤波、高斯滤波和锐化滤波等。
3.小波变换技术小波变换技术是指通过小波函数对图像进行分解和重构，实现对图像的局部增强和处理。
小波变换技术可以实现对图像高频信息和低频信息的不同处理，通常使用小波快速变换算法实现。
小波变换技术在医学图像诊断中得到广泛的应用。
二、医学图像增强技术的应用医学图像是指通过现代医学设备对人体进行的影像学检查，包括X射线、CT、MRI等，然后通过数字图像处理技术来改善图像质量。
医学图像增强技术的应用包括以下几方面。
1.增强缩放图像缩放图像是指将高分辨率医学图像转换为低分辨率、小尺寸的图像，用于便携式移动设备等。
图像增强技术可以用于增强缩放图像的质量，可以通过直方图均衡化、锐化滤波和小波变换等技术实现。
2.增强X光片图像X光片图像是一种重要的医学图像，通过增强X光片图像的质量可以有效提高诊断准确性。
通常，可以通过去噪、对比度增强和直方图均衡化等技术实现。
3.增强MRI图像MRI图像是一种高分辨率的医学图像，但是由于图像质量不高，会导致医生难以进行准确的诊断。
图像处理中的图像增强方法对比与分析
图像处理中的图像增强方法对比与分析导语：在图像处理领域中，图像增强是一个重要的技术，用于改善图像的质量和清晰度。
随着计算机视觉和机器学习的发展，各种图像增强方法被提出和应用于不同领域，如医学影像、卫星图像等。
本文将对几种常见的图像增强方法进行对比与分析，包括直方图均衡化、灰度拉伸、滤波和深度学习。
一、直方图均衡化直方图均衡化是一种通过调整图像的像素灰度分布来增强图像对比度和亮度的方法。
该方法基于直方图的统计特性，可以将原始图像的像素值重新映射到更广泛的范围内，以获得更丰富的灰度级。
直方图均衡化对均匀分布和低对比度的图像效果较好，但对于具有极大动态范围和特定区域灰度差异的图像效果可能不理想。
并且，它也容易产生过度增强的效果，导致图像细节丢失。
二、灰度拉伸灰度拉伸是一种通过重新分配图像的像素灰度级以增加图像对比度的方法。
它基于简单的线性变换，将图像的最低灰度级映射到最小灰度值，将最高灰度级映射到最大灰度值，而中间的灰度级按比例进行映射。
灰度拉伸适用于具有低对比度的图像，可以有效增强图像的细节和边缘。
然而，灰度拉伸方法需要手动选择合适的灰度级范围，并且无法处理非线性关系和部分区域的对比度差异。
三、滤波滤波是一种基于图像频谱的增强方法，通过去除图像中的噪声和模糊以提高图像质量。
滤波方法包括低通滤波和高通滤波。
低通滤波可以平滑图像并去除高频噪声，常用的滤波器包括均值滤波和高斯滤波。
高通滤波可以增强图像的边缘和细节，常用的滤波器包括拉普拉斯滤波和Sobel滤波器。
滤波方法可以较好地增强图像的细节和对比度，但也可能导致图像的细节损失和边缘模糊。
四、深度学习深度学习是一种基于人工神经网络的图像增强方法，它通过训练模型学习图像的特征和映射关系，以生成更高质量的图像。
深度学习方法可以根据不同任务和需求进行适应性调整和优化，具有较强的非线性建模和适应能力。
随着深度学习算法的不断发展和硬件计算能力的提升，该方法在图像增强方面取得了许多重要的突破。
计算机视觉中的图像增强技术
计算机视觉中的图像增强技术图像增强技术是计算机视觉领域中的重要研究方向之一，旨在提高图像质量和增强图像的细节。
通过使用各种算法和技术，图像增强能够改善图像的亮度、对比度、清晰度等方面，使图像更加逼真和易于分析处理。
本文将介绍几种常见的计算机视觉中的图像增强技术。
一、直方图均衡化直方图均衡化是一种常见的图像增强技术，通过调整图像的像素值分布，使得图像在亮度和对比度上得到改善。
该技术基于直方图的分析，将图像的像素值映射到较广的范围内，使得亮度水平更加均衡。
直方图均衡化可以应用于灰度图像和彩色图像，并且对于各种类型的图像效果良好。
二、模糊和锐化模糊和锐化是图像增强中常用的技术。
模糊技术可以减少图像的噪声和细节，使得图像更加平滑。
常见的模糊技术包括高斯模糊、均值模糊等。
锐化技术则相反，可以增强图像的边缘和细节，使得图像更加清晰。
锐化技术常用的方法有拉普拉斯锐化、边缘增强等。
三、增强滤波增强滤波是一种基于图像频域分析的增强技术。
该技术通过对图像进行频域变换，提取频域信息，然后根据图像的特点进行相应的增强处理。
常见的增强滤波技术包括快速傅里叶变换（FFT）、小波变换等。
增强滤波可以有效地去除图像的噪声和模糊，提高图像的品质。
四、对比度增强对比度增强是一种提高图像亮度差异的技术。
该技术通过调整图像的像素值，使得图像中的亮部和暗部之间的差异更加明显，提高图像的视觉效果。
对比度增强常用的方法有直方图拉伸、对比度增强函数等。
对比度增强可以使图像中的细节更加鲜明，提高图像的可视化效果。
五、超分辨率重建超分辨率重建是一种特殊的图像增强技术，旨在提高图像的分辨率和细节。
该技术可以通过多帧图像的融合、插值和恢复等方法，使得图像的细节更加清晰，增强图像的可见细节。
超分辨率重建常用的算法包括基于插值的方法、最小二乘法等。
总结：计算机视觉中的图像增强技术是提高图像质量和增强图像细节的重要手段。
本文介绍了几种常见的图像增强技术，包括直方图均衡化、模糊和锐化、增强滤波、对比度增强和超分辨率重建。
结合直方图均衡和模糊集理论的红外图像增强
4.2基于深度学习的图像增强方法
基于深度学习的图像增强方法是将深度学习模型应用于图像增强中。其主要步骤包括：
（1）准备数据集：利用现有的图像数据库准备训练和测试数据集；
（2）设计模型：根据图像增强需求和数据特点，确定合适的深度学习模型，并设计对应的网络结构和参数；
（3）训练模型：利用训练数据集对模型进行训练，并通过误差反向传播算法不断调整模型参数，直到模型学习到准确的特征表达方式；
3.模糊集理论在红外图像增强中的应用
介绍模糊集理论的基本概念和原理，分析其在红外图像增强中的应用，阐述模糊集理论改善图像质量的原理和方法，探讨模糊集理论对于增强结果的影响。
4.结合直方图均衡和模糊集理论的红外图像增强算法
结合直方图均衡和模糊集理论的算法，提出一种红外图像增强方法，详细描述算法的步骤和参数设置，探究不同参数对于增强效果的影响，通过实际图像应用验证算法的有效性和优越性。
小波变换的过程可以用以下公式表示：
$$Biblioteka W(a,b) = \frac{1}{\sqrt{a}}\int_{-\infty}^{\infty}f(t)\psi^* \left(\frac{t-b}{a}\right) dt
$$
其中，$a$是尺度参数，$b$是平移参数，$f(t)$表示原始图像，$\psi(t)$表示小波基函数，实部与虚部分别为$\operatorname{Re}(\psi)$和$\operatorname{Im}(\psi)$。小波基函数具有平坦的频率响应特性，对于突变的信号可以提供较为稳定的分解。
图像处理中的图像质量评价与图像增强技术研究
图像处理中的图像质量评价与图像增强技术研究图像处理是一门研究如何利用计算机技术对图像进行处理和分析的学科。
在现代社会中，图像处理技术已经广泛应用于各个领域，如医学影像分析、远程感知、计算机视觉等。
然而，在图像处理的过程中，图像质量评价和图像增强技术是两个重要的问题。
本文将从图像质量评价和图像增强技术两个方面，来探讨图像处理中的相关研究内容。
一、图像质量评价图像质量评价是图像处理中常用的一个重要指标，它可以用来评价图像的清晰度、对比度和色彩等特征。
图像质量评价的目的是帮助我们找出图像中存在的问题，以便进一步采取措施对图像进行处理和修复。
1. 主观评价主观评价是人眼对图像质量的直观感受。
在主观评价中，一些训练有素的观察者被要求对一组图像进行评价，然后通过统计分析得到图像的质量评分。
主观评价的优点是能够真实地反映人眼对图像的感受，但其缺点在于评分的主观性和人为因素的干扰。
2. 客观评价客观评价是利用计算机算法对图像进行分析和评价。
常用的客观评价方法包括均方根误差（MSE）、峰值信噪比（PSNR）和结构相似性指标（SSIM）等。
这些评价指标可以通过计算图像的差异性来得到图像质量评分，客观评价的优点在于能够自动化地进行评价，但其缺点是无法完全代表人眼对图像的感受。
二、图像增强技术图像增强技术是指通过各种算法和方法对图像进行处理，以改善图像的质量和细节。
图像增强技术的目的是使图像更加清晰、锐利、对比度更高和色彩更鲜艳。
1. 空域增强技术空域增强技术是指在图像的像素级别上进行处理，包括直方图均衡化、空间滤波和锐化等。
其中，直方图均衡化是一种常用的增强技术，它通过对图像的像素值进行线性变换，使图像的直方图分布更均匀，从而增加图像的对比度和细节。
2. 频域增强技术频域增强技术是指将图像从空域转换到频域进行处理，然后再将图像转换回空域。
其中，快速傅里叶变换（FFT）和小波变换是常用的频域增强技术。
通过对图像的频谱进行分析和处理，可以改善图像的细节和对比度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
包头师范学院本科毕业论文题目：基于直方图的图像增强技术的研究学生姓名：赵良良学院：信息科学与技术院系专业：电子信息科学与技术班级：07级本科指导教师：刘晓虹二〇一一年五月摘要图像增强是数字图像处理过程中经常采用的一种方法，图像增强的主要目的就是要使增强后的图像具有更好的视觉效果，更合适于对图像进行后续的分析和处理。
灰度直方图概括了图像中各灰度级的含量，提供了原图的灰度值分布情况，灰度直方图是图像增强的最好的研究内容。
通过采取适当的增强处理可以将原本模糊不清甚至根本无法分辨的原始图片处理成清楚、明晰的富含大量有用信息的可使用图像。
本文主要研究了在MATLAB环境下，通过直方图的均衡化对图像进行增强处理。
关键词：图像增强；直方图；MATLABABSTRACTImage enhancement is a kind of method in the digital image processing，its purpose is that visual effects of enhancement image is better and appropriate to continue analyzing and processing image. Histogram shows all gray scales of image and distribution of image. Histogram is the best contents of image enhancement for study. The blurry and undistinguished image can be processed to clear and useful image. This paper studies image enhancement by histogram balance in MATLAB.Key words：Image enhancement; Image Histogram; MATLAB目录摘要 (2)ABSTRACT (3)目录 (1)1 绪论 (3)1.1课题背景与意义 (3)1.2研究现状 (4)1.3本文的结构 (6)2 图像增强的基本理论 (7)2.1数字图像的表示 (7)2.2主要的图像增强技术 (7)3 基于直方图的图像增强 (9)3.1直方图 (9)3.1.1 直方图的定义及性质 (9)3.2直方图变换 (10)3.2.1 直方图修正基础 (10)3.2.2 直方图均衡化 (11)3.3直方图使用中的常见问题 (13)4 图像直方图均衡化 (14)4.1直方图均衡化的实现 (14)4.1.1 系统实现的功能分析 (14)4.2.1 直方图均衡化 (14)5 结论 (16)参考文献 (17)致谢 (18)1 绪论人们从外界获得的信息约有75％来自图像，也就是说人类的大部分信息都是从图像中获得的。
利用计算机对图像进行各种形式的处理，促进了图像处理技术的发展。
图像增强本身就是图像处理中最具有吸引力的领域之一。
1.1 课题背景与意义随着电子计算机技术的进步，计算机图像处理近年来得到飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。
它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。
对图像进行处理时，经常运用图像增强技术以改善图像的质量。
在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。
在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊；传输过程中会引入各种类型的噪声。
总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。
尽管由于目的、观点、爱好等的不同，图像质量很难有统一的定义和标准，但是根据应用要求改善图像质量却是一个共同的目标。
图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息[1]。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。
处理后的图像是否保持原状已经是无关紧要的了，不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。
图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。
它一般要借助人眼的视觉特性，以取得看起来较好地视觉效果，很少涉及客观和统一的评价标准。
增强的效果通常都与具体的图像有关系，靠人的主观感觉加以评价。
目前图像增强处理的应用已经渗透到医学诊断、航空航天、军事侦察、指纹识别、无损探伤、卫星图片的处理等领域。
如对 X 射线图片、 CT 影像、内窥镜图像进行增强，使医生更容易从中确定病变区域，从图像细节区域中发现问题：对不同时间拍摄的同一地区的遥感图片进行增强处理，侦查是否有敌人军事调动或军事装备及建筑出现；在煤矿工业电视系统中采用增强处理来提高工业电视图像的清晰度，克服因光线不足、灰尘等原因带来的图像模糊、偏差等现象，减少电视系统维护的量。
图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用。
在图像处理过程中，图像增强是十分重要的一个环节。
本文的主要内容就是围绕图像增强部分的一些基本理论和算法而展开。
1.2 研究现状计算机图像处理的发展历史不长，但已经引起了人们的重视。
图像处理技术始于20世纪60年代，由于当时图像存储成本高，处理设备造价高，因而其应用面很窄。
1964 年美国加州理工学院的喷气推进实验室，首次对徘徊者 7 号太空飞船发回的月球照片进行了处理，得到了前所未有的清晰图像，这标志着图像处理技术开始得到实际应用。
70年代进入发展期，出现了cT和卫星遥感图像，对图像处理的发展起到了很好的促进作用。
80年代进入普及期，此时微机已经能够承担起图形图像处理的任务。
VLSI 的出现更使得处理速度大大提高，其造价也进一步降低，极大的促进了图像处理系统的普及和应用。
90年代是图像处理技术实用化时期，图像处理的信息量巨大，对处理的速度要求极高。
21世纪的图像处理技术要向高质量化方面发展，实现图像的实时处理，采用数字全息技术使图像包含最为完整和丰富的信息，实现图像的智能生成、处理、理解和识别。
图像增强作为图像处理的重要组成部分，传统的图像增强方法对于改善图像质量发挥了重要作用。
随着对图像增强技术研究的不断深入，新的图像增强方法不断出现。
目前主要分为如下几类1．传统的图像增强方法传统的图像增强的处理方法基本可以分为空域图像增强和频域图像增强两大类。
空域是指组成图像的像素的集合，空域图像增强直接对图像中像素灰度值进行运算处理，如灰度变换、直方图均衡化等。
频域图像增强是对图像经傅立叶变换后的频谱成分进行操作，然后逆傅立叶变换获得所需结果，如低通滤波技术、高通滤波器技术、带通和带阻滤波等。
2．多尺度分析的图像增强方法多尺度分析又称为多分辨率分析，它是由Mallat于1989 年首先提出的。
以小波变换为代表的多尺度分析方法，被认为是分析工具及方法上的重大突破。
小波分析在时域或频域上都具有良好的局部特性，而且由于对高频信号采取逐步精细的时域或空域步长，从而可以聚焦到分析对象的任意细节。
随后取得了许多研究成果，如 Sattar etal 提出了一种非线性的多尺度增强方法、杨煊提出了一种基于方向信息的多尺度边缘检测和图像去噪的方法等。
3．数学形态学增强方法数学形态学是用具有一定形态的结构元素去量度和提取图像中的对应形状，以达到对图像分析和识别的目的。
数学形态学增强技术主要是形态学平滑去噪技术，相对图像开启然后再闭合，是一种对图像进行平滑的方法。
这两种操作的综合效果是去除或减弱亮区和暗区的各类噪声。
基于数学形态学的形态学滤波器可借助先验图像的几何信息，利用数学形态学算子有效的去除噪声，同时又可以保留图像中原有信息。
4.模糊增强方法近年来不少学者致力于把模糊集理论引入图像处理和识别技术的研究。
由于图像本身的复杂性，多灰度分布所带来的不确定性和不精确（即模糊性），使得用模糊集合理论进行图像处理成为可能。
自Pal和King 率先将模糊集合理论应用到图像增强处理上，模糊增强技术受到了人们的重视。
Chenetal(1995）把模糊集引入到经典的直方图修正中，提出了一种自动直方图修正方法：Action (1998）基于模糊非线性回归给出了一种图像增强方法，并且用于遥感图像的去噪和边缘增强；近年Hanetal( 2002）推广了通常意义的彩色直方图，提出了模糊彩色直方图的概念，并且已经成功用于彩色图像的检索： Russ（2002）充分利用模糊集理论解决不确定性问题的优势，较好地解决了受到冲击噪声干扰的彩色图像的边缘检测问题；另外模糊集方法和神经网络、遗传算法结合用于图像增强的方法正在研究之中。
另外由于没有图像增强的通用标准，主要是根据人眼的主观判断和经验知识，结合人类的视觉特性模型 1151 ，基于人类视觉的图像增强技术也成为一种研究趋向。
目前由于还没有一种通用的衡量图像质量的指标能够用来评价图像增强方法的优劣，图像增强理论有待进一步完善。
因此，图像增强技术的探索具有试验性和多样性1161 。
增强的方法往往具有针对性，以至于对某类图像效果较好的增强方法未必一定适用于另一类图像。
例如，某种图像增强的方法可能对于X射线图像具有很好的增强效果，但是它就不是增强从空间探测器传回的火星图像的最好方法。
在实际情况中，要找到一种有效的方法常常必须广泛的进行实验，在没有给定图像怎样被降低质量的先验知识时，要预测某种具体方法的效用是很困难的。
经常采用的方法是，使用几种增强技术的组合或使用调节参量的方法。
要取得对一幅图像较好的改善效果，有时要综合运用多种增强方法，发挥每种方法的特长，这就要求我们了解各种图像增强方法的特点。
要依据图像结构的特点和图像处理的要求，选用相应的增强方法。
对于某种具体的图像增强方法，观看增强图像的效果，分析取得较好效果的图像的特点，这样可以加快对图像增强方法的选取。
调节参量是图像增强时经常使用到的一种方法，如何确定参量最佳数值，是取得较好图像效果的关键因素。
因而图像增强的最大困难是，很难对增强结果加以量化描述，只能靠经验、人的主观感觉加以评价。
同时，要获得一个满意的增强效果，往往需要人机的交互作用。
在图像增强系统这一方面，研究的人是非常多的，但是在图像处理这一个领域是非常的广阔的，一直以来引起众多研究者的关注，直方图在图像增强里面是最直接的研究方向，也是最有效的研究方向，所以本文就是从灰度图像直方图这一个方面设计图像增强系统，系统中包括了直方图均衡化的一些辅助模块。