像变换的目的在于
1) 使图像处理问题简化；
2) 有利于图像特征提取；
3) 有助于从概念上增强对图像信息的理解。
图像增强
是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。（包括灰度变换、空域增强、频域增强等方法）
图像处理的几种具体算法
1) 局部处理：移动平均平滑、空间域锐化。
2) 点处理：图像对比度增强、图像二值化。
3) 大局处理：傅里叶变换。
4) 迭代处理：细化。
5) 跟踪处理
6) 位置不变处理和位置可变处理：输出像素JP(i，j)的值的计算方法与像素的位置(i，j)无关的处理称为位置不变处理或位移不变处理
7) 窗口处理和模板处理。
直方图修整法
包括直方图均衡化及直方图规定化两类。直方图均衡化：将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。原理：输出图像的概率密度函数可以通过变换函数T®控制原图像灰度级的概率密度函数得到,并改善原图像的灰度层次。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。图像经直方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。
图像平滑或去噪
（1）邻域平均法：用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。
（2）超限像素平滑法：将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g´(x,y)。
（3）灰度最相近的K个邻点平均法：可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。
（4）最大均匀性平滑：为避免消除噪声引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用这区域的灰度均值代替该像素原来的灰度值。具体可选任一像（x,y）的5个有重叠的3*3邻域，用梯度衡量它们灰度变化的大小。
（5）有选择保边缘平滑法：对图像上任一像素(x,y)的5×5邻域，采用9个掩模：一个3×3正方形、4个五边形和4个六边形。计算各个掩模的均值和方差，对方差进行排序，最小方差所对应的掩模的灰度均值就是像素（x,y) 的输出值。
（6）空间低通滤波法：应用模板卷积方法对图像每一像素进行局部处理。不管什么样的掩模，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。
（7）中值滤波：是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。离散阶跃信号、斜升信号没有受到影响。离散三角信号的顶部则变平了。对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。
各种空间域平滑算法效果比较
1) 局部平滑法算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。
2) 超限像素平滑法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。并且随着邻域增大，去噪能力增强，但模糊程度也大。超限像元平滑法比局部平滑法去椒盐噪声效果更好。
3) 灰度最相近的K个邻点平均法：较小的K值使噪声方差下降较小，但保持细节效
果较好；而较大的K值平滑噪声较好，但会使图像边缘模糊。
4) 最大均匀性平滑经多次迭代可增强平滑效果，在消除图像噪声的同时保持边缘清晰性。但对复杂形状的边界会过分平滑并使细节消失。
5) 有选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。
6) 中值滤波对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适。中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。
频率域低滤波器
理想低通滤波器、Butterworth低通滤波器、指数低通滤波器、梯形低通滤波器。
频率域锐化
采用高通滤波器让高频成分通过，使低频成分削弱，再经逆傅立叶变换得到边缘锐化的图像。包括：理想高通滤波器、巴特沃斯高通滤波器、指数滤波器、梯形滤波器 。
各种滤波器效果比较
1) 理想低通滤波器:在去噪声的同时将会导致边缘信息损失而使图像边模糊,并产生
振铃效应。
2) Butterworth低通滤波器的特性是连续性衰减，而不象理想滤波器那样陡峭变化，即明显的不连续性。因此采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生。
3) 指数低通滤波器：图像边缘的模糊程度较用Butterworth滤波产生的大些，无明显的振铃效应。
4) 梯形低通滤波器的性能介于理想低通滤波器和指数滤波器之间，滤波的图像有一定模糊和振铃效应。
