图像增强的基本思想是通过调整图像的亮度、对比度、清晰度、颜色等特征，使其更适合人眼观察或计算机处理。常见的图像增强技术主要可以分为空间域方法和频率域方法：
-
空间域方法：直接对图像像素进行操作，例如旋转图片，调整对比度、亮度和去噪。
-
频率域方法：将图像转换到频率空间（如傅里叶变换）中操作，然后逆变换回空间域。频率域方法更适合处理图像中的纹理和细节。
近年来，随着深度学习的发展，基于深度学习的图像增强技术得到了广泛应用。这类方法通常利用卷积神经网络（CNN）提取图像的多尺度特征，从而实现复杂的图像增强任务，如超分辨率、风格转换等。