图像增强根据图像的模糊情况采用各种特殊的技术突出图像中的某些信息，削弱或消除无关信息达到强调图像的整体或局部特征的目的。图像增强尚没有统一的理论方法，主要算法包括灰度变换、直方图均衡、空间滤波和Retinex算法等。64768

直方图均衡包括全局直方图均衡化和局部直方图均衡化。全局直方图均衡化是把原始图像的直方图分布改成均匀分布的直方图分布，这种变换可使得图像信息量较大的灰度区域得到放大， 达到对比度增强的目的。局部直方图均衡化是将直方图均衡化分散到图像所有局部区域进行，通过局部的直方图均衡化叠加图像中感兴趣的信息。

空间滤波针对的操作对象是像素本身，操作过程是在待处理图像中逐点地移动滤波器掩膜，然后在每一个像素点上都用滤波器的响应来代替该元素。由此可见这种算法最重要的就是滤波器的定义，它一般包括平滑空间滤波器和锐化空间滤波器。与之相对应的还有频域滤波，它的操作对象是待处理图像的傅立叶变换。滤波形式包括：平滑的频域滤波器、频域锐化滤波器、同态滤波器等。

近期流行的基于Retinex 理论的增强算法无论在增强效果还是适用范围上都要优于传统的方法。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。

虽然传统的色彩理论能够很好地解释很多与色彩有关的现象，并在实际生活中有着非常广泛地应用。但美国物理学家Edwin Land 在20世纪50年代发现有些现象是传统的色彩理论无法解释的，经过近20多年的科学实验和分析，Land认为在视觉信息的传导过程中人类的视觉系统对信息进行了某种处理，去除了光源强度和照射不均匀等一系列不确定的因素，而只保留了反映物体本质特征的信息，如反射系数等。当这些描述物体本质特征的相关信息传递到大脑皮层后，经过更为复杂的信息处理，才最终形成人的视觉。基于这样的认识，1977年Edwin Land首次提出了一种被称为Retinex的色彩理论，Retinex 这个词本身就是由视网膜Retina和大脑皮层Cortex两个词组合构成的。Retinex 理论主要包含了两个方面内容：物体颜色是由物体对长波、中波和短波光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响，具有一致性。论文网

尽管Retinex理论能够很好地解释某些视觉现象并已经被大量地科学实验所证实，但由于种种原因，他的理论一直没有得到广泛的传播和接受，直到20世纪80年代初期美国宇航局下属的一个研究机构(Nasa’s LangleyResearch Center)将Retinex 理论用于处理航空器拍摄的外太空图片且获得了非常好的处理效果后，人们才重新认识到它的科学性和合理性，并开始应用于数字图像处理领域。

最早的Retinex 算法是1971年Land和McCann提出的任意路径算法(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。其最主要的缺点就是计算量较大。

随后，Jobson等人提出了基于同态滤波(Homomorphic Filtering)的Retinex 算法。该算法认为反射系数图像对应着原图像中的锐化细节，而光照图像则被认为是空间平滑的，将原图像的低通滤波作为照射光l的合理预测。

1985 年，Blake等人提出了基于泊松方程(Poisson Equation Solution)的Retinex 算法。该算法以Land提出的Mondria 模型为基础。