前言
作为图像处理体系中十分重要的组成部分，如今图像增强技术在各个领域中都获得了越来越广泛的运用，比如在宇航领域、军工领域、生物医学领域、工业领域、公安领域等等。传统图像增强技术在其中起了日益关键的角色。所以，为了便于对图像进行后续的加工处理，进而解决一些有关工程技术和科学领域中的重要问题，本文就对传统图像增强算法展开了深入研究和实现，并经过对传统图像增强处理的方式和基于小波变换法的新图像处理方式的研究与学习，以及仿真比较，确定了小波变换法相对于传统空间域和频率域处理方式的优越性。
小波变换概述
小波变换是采用傅立叶变换基本原理的一类新变换方式，它和傅立叶变换密切相关，它既传承并发挥了将短时傅立叶转换局部化的基本思想，同时也解决了窗口尺寸不随变化等缺陷。由于小波分析的基本原理是将一组信息分解成由原来小波进行移动和压缩之后的一组小波，而这种小波又能够作为某些参数的基函数，由于小波转换具备较多分辨率解析的优势，在时域和频谱区域均具备了很大的表征信号部分特征的功能，而且能够自动满足时域分析信息和高频区域信息解析的需要，所以采用小波分析的图像增强和去噪方法已经变成了图像去噪的一项主要方式。
基于小波变换的图像增强
数字图像的小波分解，实质上是将图像信息分解成在不同信号频带区域内的图像分量。每一小波分解都可以把待分解图像分解成四个子带，可以很好地区分出代表图像内部特征的低频信号。就这样，小波变换可以在不同的尺度上，通过不同的方式来增强各个频率区域内图像的细节分量，再把处理后的系数进行小波重建，这样就可以在突出图像细部特点的同时，有效控制了图像噪声的影响，使图像轮廓更为明显。
非线性增强
具体实现步骤如下：
（1）读入原图像；
（2）对原始图像进行小波分解，得到低频子带LL和三个高频子带LH、HL、HH（细节部分）；
（3）对高频系数进行非线性增强，
由图可知，在进行了非线性小波增强之后，好处是图像的对比度明显提高，更有效地控制了信噪比，但缺点则是遗漏了部分细节数据。
图像锐化
图像锐化就是提取出图像中尖锐的部分，其目的是为了突出高频信号，压制低频信号，在快速变形的成分中分离出标识系统特征或划分子系统界限的要成份，以利于进一步的鉴别、区分等作业。锐化的主要方式是利用掩膜或做差分，但二者都很难确定节点之间的相关信息。
因为2种方式都同样在小波系数上表现为绝对值较低的部分，因此比采用DCT方式进行高通滤波所获得的较高频度结果更加纯粹，完全是在原始图像上的边缘信号，而采用小波方式所获得的结果中，不但包括有高频成份，同时也包括了变化得极为缓慢的低频成份，而DCT则需要同时做二次的DCT转换，还有一个中间系数处理，而小波变换分解，重构和中间系数处理的时间复杂性都比较小，因此时间复杂度明显低于了DCT。
