圖像增強是從像素到像素的操作，是以預定的方式改變圖像的灰度直方圖。有時又稱為對比度增強，灰度變換。點運算不可能改變圖像內的空間關系，輸出像素的灰度值由輸入像素的值決定。其作用：
對比度增強：擴展感興趣特征的對比度。
光度學標定：去掉圖像傳感器的非線性影響。所謂光度學，就是在可見光波段內，考慮到人眼的主觀因素后的相應計量學科稱為光度學。標定即計算內參，在光度學范疇計算內參。
顯示標定：克服圖像保存和顯示過程中的非線性因數。
輪廓線：進行閾值化
裁剪：輸出灰度級裁剪到0~255之間。
首先，解釋下什么是對比度：
通俗的講，就是明暗的對比程度，通常表現了圖像畫質的清晰程度，計算公式：
例如：
設圖像L = {1 3 9 9
2 1 3 7
3 6 0 6
}
則C = [(1^2 + 2^2) + (2^2 + 6^2 + 2^2) + (。。。。。) +。。。]/ 48 = 16.6818。
實際上，對比度反映了一幅圖像中明暗區域最亮的白和最暗的黑之間不同亮度層級的測量，即指一幅圖像灰度反差的大小，差異范圍越大代表對比越大，差異范圍越小代表對比
越小，好的對比率120:1就可容易地顯示生動、豐富的色彩，當對比率高達300:1時，便可支持各階的顏色。但對比率遭受和亮度相同的困境，現今尚無一套有效又公正的標准來
衡量對比率，所以最好的辨識方式還是依靠使用者眼睛。
灰度變換（圖像增強）的目的是為了改善畫質，使圖像的顯示效果更加清晰。主要包含：
線性對比度展寬
對比度展寬的目的是將人所關心的部分強調出來。其原理是：進行像素級的點對點的灰度級映射。如下：
f(i,j)表示原圖，g(i,j)表示處理后的圖，要求g,f都在[0,255]區間變化，且g的效果要優於f.則該映射關系的計算公式為：
在 [0，a）區間，g(i, j) = α * f(i,j);
在[a, b)區間，g(i,j) = β * (f(i,j) - a) + ga；
在[b, 255)區間，g(i,j) = γ*（f(i,j) - b） + gb;
以上，α，β，γ都是斜率。這個就叫對比度展寬。
此時，如果我們只顯示指定區間的g,即α，γ都設為0.g(i,j) = β1 *(f(i,j) - a) ; 則上面的映射變成：
這個過程叫做灰度窗切片，得到灰級窗。即只顯示指定灰級范圍內的信息。將灰度值落在一定范圍內的目標進行對比增強。
我們將所需要檢測的目標與畫面中的其他部分分離開，目標部分置為0/255，非目標部分置為255/0，即α，γ置0的過程，這個叫灰度窗切片。
對比度展寬的效果：
動態范圍調整
動態范圍，是指圖像中所記錄的場景中從暗到亮的變化范圍，由於人眼所可以分辨的灰度的變化范圍是有限的，所以當動態范圍太大時，很高的亮度值把暗區的信號都掩蓋了。
通過
動態范圍的壓縮，可以將所關心部分的灰度級的變化范圍擴大。
對於動態范圍的調整分為：
1.線性動態范圍調整。
這個過程就是上面的對比度展寬后，通過灰度窗切片，得到灰級窗的過程。此時，灰級窗內的計算公式為：
g = 255/(b - a) *(f(i,j) - a);
線性動態范圍調整的效果：
2.非線性動態范圍調整：
因為人眼對信號的處理是有個近似對數算子的環節，因此，通常用取對數的方法。
g(i,j) = c * log10(1 + f(i,j)),其中，c表示你需要抑制的灰度上限。
例如，我們需要將暗的部分擴展，而將亮的部分抑制，此時，g(i,j) = 255 * log(f(i,j) + 1);
非線性動態范圍調整的其他方法：這里根據中間范圍的灰度級的運算進行分類。
1.增加中間范圍灰度級而只使暗/亮像素做較小改變。公式：f(x) = x + Cx(Dm - x),其中，Dm是灰度級的最大值，C定義了中間灰度范圍內的增加（c> 0）或者減小（c < 0）,給
個demo：
2.降低較亮或較暗物體的對比度來增強灰度級處於中間范圍的物體對比度，中間斜率大於1，而兩端斜率小於1。
α：（0,1）；
對應灰度：
3.壓低在中間灰度級處的對比度，而在較亮或較暗部分的對比度增強，中間斜率小於1，兩端大於1.
曲線與2類相反,第2類和第3類一起給個demo：
非線性動態范圍調整效果：
直方圖均衡化處理
直方圖均衡法的思想是，對在圖像中像素個數較多的灰度級進行展寬，而對像素個數較少的灰度級進行縮減，從而達到清晰圖像的目的。
其數學原理實際就是從一個分布（輸入的亮度直方圖）被映射到另一個分布（一個更寬，理想統一的亮度值分布），也就是映射函數應該是一個累積分布。可以用累積分布函數對原始分布進行映射作為均衡拉伸分布。
原理：
經過點運算使一輸入圖像轉換成在每一灰度級上都有相同的像素點數的輸出圖像（輸出的直方圖是平的），這對於在進行圖像分割或分割之前將圖像轉換為一致的格式將是非常
有用的。經過均衡化后，每一級的像素個數為A0/Dm,Dm是灰度級的最大灰度值，A0是圖像的面積。
均衡化方法：
1.求出原圖的直方圖，h = {x0,...xi}i 在0~255范圍內。
2.計算灰度分布概率，圖像總體像素N = l * w，每個灰度級的像素個數在整個圖像中所占的百分比。hs(i) = h(i) /N (i 在 0~255)。
3.計算灰度級的累計分布hp:
4.計算新圖像的灰度值。
直方圖均衡化效果：
偽彩色技術
由於人眼識別不同彩色的能力比分辨不同灰度級的能力強，因此，把人眼無法區別的灰度變化，施以不同的彩色來提高識別率，這便是偽彩色增強的基本依據。
鑒於灰度圖像要生成一幅彩色圖像是一個一到三的映射，顯然少信息量獲得多信息量必然基於估計原理，也就是說，對未知的部分，通過各種手段進行合理的估計，研究的目的
不同，則估計的方法也不同，有以下幾種方法：
1.基於亮度表示的偽彩色方法：
依照對溫度的描述方式，當溫度較低，我們會想到藍色，又稱冷色調，當溫度較高，我們會想到紅色，又稱為暖色調，根據人感官上的這一特性，將亮度低的映射為藍色，亮度
高的映射為紅色。由此，可以按照如下映射關系進行偽彩色處理：
2.基於區域表示的偽彩色方法：
該偽彩色技術是對原圖進行了預處理，將識別出屬於不同性質的區域給不同的色彩。主要用於醫學診斷，目的是突出病灶。