1. 亮度、对比度、饱和度
- 亮度：图像的明亮程度，在单色图像中，最高的值应该对应于白色， 最低的值对应于黑色；
- 对比度：图像暗和亮的落差值，即图像最大灰度级和最小灰度级之间的差值，差异范围越大代表对比越大，差异范围越小代表对比越小；
- 饱和度：图像颜色种类的多少，饱和度越高，颜色种类越多，外观上看起来图像会更鲜艳；
对于亮度和对比度，可以从RGB图上进行数据增强；
对于饱和度，可以从HSV/HSI/HSL色彩空间上进行增强。
2. 图像平滑、降噪
图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分的图像处理方法，使图像亮度平缓渐变，减小突变梯度，改善图像质量。
- 归一化块滤波器(Normalized Box Filter)
- 高斯滤波器(Gaussian Filter)
- 中值滤波器(Median Filter)
- 双边滤波(Bilateral Filter)
3. 图像锐化、增强
- 图像锐化与图像平滑是相反的操作，锐化是通过增强高频分量来减少图像中的模糊增强图像细节边缘和轮廓，增强灰度反差，便于后期对目标的识别和处理。
- 锐化处理在增强图像边缘的同时也增加了图像的噪声。
- 方法包括：微分法和高通滤波法。
4. 边缘提取
- 检测一张数字图像中有明显变化的边缘或者不连续的区域。理解图像中的高频和低频的概念。
- 通过微分的方式计算图像的边缘
- Roberts算子
- Prewitt算子
- sobel算子
- Canny算子
- Laplacian算子
5. 直方图均衡化
- 直方图均衡化是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。
- 对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减从而达到清晰图像的目的。
6. 图像滤波
- 图像滤波可以更改或者增强图像。
- 通过滤波，可以强调一些特征或者去除图像中一些不需要的部分
- 滤波是一个邻域操作算子，利用给定像素周围的像素的值决定此像素的最终的输出值
- 常见的应用包括：去噪、图像增强、检测边缘、检测角点、模板匹配等
均值滤波、中值滤波、高斯滤波、双边滤波
7. 形态学运算
- 腐蚀：腐蚀的效果是把图片"变瘦"，其原理是在原图的小区域内取局部最小值；
- 膨胀：膨胀与腐蚀相反，取的是局部最大值，效果是把图片"变胖"开运算:先腐蚀后膨胀 (因为先腐会分开物体，这样容易记住)，可以分离物体消除小区域；
- 闭运算：先膨胀后腐蚀(先膨胀会使白色的部分扩张，以至于消除/"闭合"物体里面的小黑洞)；
- 形态学梯度：膨胀图减去腐蚀图，得到轮廓图；
- 顶帽：原图减去开运算后的图；
- 黑帽：闭运算后的图减去原图；
注：以上大部分运算在OpenCV中都有具体实现，不用自己编写函数实现