影像增強（Image Enhancement）是一種影像處理技術，其主要目的是透過特定演算法和方法改善影像的視覺效果或提升影像中目標特徵的識別能力。它主要包括以下幾個方面：
- 提高影像質量：針對原始影像可能存在的噪聲、模糊、低對比度等問題進行處理，以提升整體影像的質量。
- 突出重要資訊：透過強調影像中的某些感興趣的特徵（如邊緣、紋理等），使得這些特徵在視覺上更加顯著，有助於人眼觀察或機器識別系統的進一步分析。
- 抑制非關注特徵：減少或消除對目標檢測或識別無用甚至有干擾的資訊，比如背景噪聲、雜散光斑等。
- 灰度變換與對比度調整：透過調整影像的灰度等級分佈，可以實現對比度擴充套件、直方圖均衡化等操作，從而增強影像的整體對比度，使影像細節更易於分辨。
- 彩色增強：對於彩色影像，可以透過色彩空間轉換、飽和度調整等方式來最佳化影像的色彩表現，使其更適合於顯示、列印或機器學習應用。
- 適應特定應用需求：不同的應用場景下，影像增強的目標各異，如醫學影像需要清晰呈現病灶細節，而安防監控領域則要求能有效識別運動目標等。
需要注意的是，影像增強並不能增加原始影像的真實資訊量，只是透過改變影像資料的表示方式來最佳化視覺效果或者便於後續處理。同時，過度的增強可能會導致影像失真，甚至丟失部分原有資訊。
常用的影像增強方法包括但不限於以下幾種：
- 對比度與亮度調整：
- 對比度增強：透過改變影像畫素的動態範圍來提升影像的明暗對比。
- 亮度調整：直接增加或減少影像整體的亮度水平。
- 直方圖均衡化（Histogram Equalization）：
- 直接應用全域性直方圖均衡化，重新分配影像的灰度級分佈，從而增強整體對比度。
- 區域性直方圖均衡化（Adaptive Histogram Equalization, AHE）：對影像進行分塊並分別進行直方圖均衡化，以保留區域性區域的對比度特性。
- 幾何變換：
- 翻轉（Horizontal/Vertical Flip）
- 旋轉（Rotation）
- 裁剪（Cropping）
- 變形（Warping）
- 縮放（Scaling）
- 顏色空間轉換與色彩增強：
- HSV/HSL色彩空間調整
- 飽和度增強
- 色調、飽和度、亮度（HSL/HSV）獨立調整
- 濾波操作：
- 高斯模糊（Gaussian Blur）用於降噪或者模擬運動模糊
- 中值濾波（Median Filtering）用於消除椒鹽噪聲
- 自適應濾波器（如自適應高斯濾波）根據影像區域性特性調整濾波引數
- 非線性變換：
- 指數變換（Exponential Transformation）
- Gamma校正（Gamma Correction）：用於修正顯示器的非線性響應，也可以作為影像增強手段提高影像的整體對比度。
- 噪聲抑制：
- 去除椒鹽噪聲、高斯噪聲等各類噪聲
- 使用Wiener濾波、BM3D等高階降噪演算法
- 深度學習方法：
- 利用神經網路模型進行影像超解析度、去霧、去雨滴、去噪聲等任務。
在實際應用中，這些技術常常結合使用，為特定場景下的影像分析、機器視覺、醫學影像處理、安防監控等領域提供更好的影像輸入。例如，在計算機視覺和深度學習專案中，資料增強（Data Augmentation）是一種常用的技術手段，透過對訓練樣本進行一系列隨機的影像增強操作，可以有效擴充訓練集，提高模型的泛化能力。