在图像处理领域，图像增强是一个很重要的工作，其目的是改善图像的质量。“改善”是指针对给定图像的模糊状况以及它的应用场合，有目的地强调图像的整体或局部特性。图像增强是突出图像中人所感兴趣的部分，可以使图像的视觉效果更加直观清晰、适合于分析，并且使图像更适合后续的计算机自动景物分析，其处理结果的好坏直接影响后续处理的成败，所以是图像处理一个必不可少的环节。 本文首先介绍了图像增强的定义和意义，一些相关的基本概念和全文的研究思路和框架。 第二章讨论了在空域和频域中常用的图像增强算法。在空域中处理像素的灰度值，一般分为灰度变换和滤波增强。频域中则主要使用滤波器来进行处理。一般可使用低通滤波器来平滑图像，而使用高通滤波器来锐化图像。 第三章主要针对受椒盐噪声污染的图像研究了各种形式的中值滤波算法及其应用。首先介绍了标准的中值滤波算法，在此基础上，我们实现了加权中值滤波。我们也讨论了迭代中值滤波，之后我们介绍了中值滤波的线性组合，并验证了其中的一种组合形式。我们又引入了高阶中值滤波组合的算法，同时也进行了实验来验证。接着我们研究了多窗口中值滤波算法的步骤并加以实现。然后我们又介绍了CS算法并加以实现。接着我们介绍了LUM滤波算法并加以实现。我们又介绍了多级中值滤波MLMF、自适应模糊多级中值滤波AFMMF。然后又研究了基于脉冲长度自适应中值滤波SAMF和基于邻域统计信息和脉冲检测的中值滤波改进算法。结果表明这些改进的算法的滤波效果都优于标准中值滤波。最后我们介绍了几种中值滤波的快速算法。 针对光照不均匀的图像，为了在压缩图像的动态范围的同时增强对比度，在第四章中我们实现了如下三种形式的同态滤波算法：经典的基于Fourier transform的算法；空域的算法，包括如何利用滑窗思想和高斯函数的中心对称性减少计算复杂度；基于小波变换的同态滤波算法。 最后我们研究了同态滤波算法在实际图像处理中的一些应用，包括作为图像角点提取的预处理。 通过对图像增强技术的研究，特别是本文着重研究的同态滤波和中值滤波算法，有可能使图像预处理工作更趋于自动化和智能化。本文为推动图像增强技术的研究做了一些探讨性的工作。