在MATLAB中，图像增强是一种常见的图像处理技术，旨在改善图像的质量、清晰度或突出某些特征，以便于分析或可视化。本实验主要涉及了三种图像增强方法：直方图均衡化、噪声去除（中值滤波与自适应滤波）以及对比度增强。
**直方图均衡化** 是一种用于扩展图像动态范围的方法，它可以使得图像的灰度级分布更加均匀，从而提高图像的对比度。在MATLAB中，`imread()`函数用于读取图像，`im2double()`将其转换为双精度浮点型，便于后续处理。`histeq()`函数实现直方图均衡化，它创建一个新的灰度映射，使输入图像的直方图更接近均匀分布。通过`imshow()`展示处理前后的图像及直方图，可以看出直方图均衡化后图像的亮暗区域对比更明显。
**椒盐噪声** 是一种常见的图像噪声类型，由大量黑色或白色的像素点随机分布形成。MATLAB中的`imnoise()`函数可以模拟这种噪声，参数`'salt'`表示添加椒盐噪声。`medfilt2()`是二维中值滤波器，能有效去除椒盐噪声，因为它对每个像素点取周围邻域内的中值作为新值。而`wiener2()`则使用维纳滤波器进行自适应滤波，它根据局部信号噪声比调整滤波强度，适合处理含有高斯噪声的图像。通过比较处理前后的图像，可以看出两种滤波器对噪声的抑制效果。
**对比度增强** 是为了扩大图像不同区域之间的灰度差，使得图像的细节更加清晰。MATLAB的`imadjust()`函数可以调整图像的对比度，参数`[,]`表示输入图像的灰度级范围，空缺表示使用默认值。通过对比处理前后图像的直方图，可以看到对比度增强后图像的灰度级分布更加集中，增强了图像的视觉效果。
在实际应用中，这些技术可以单独使用，也可以结合使用，以达到最佳的图像增强效果。例如，先用直方图均衡化提升图像的整体对比度，然后通过中值滤波或自适应滤波去除噪声，最后根据需要再进行对比度增强，以突出图像的细节。这样的流程可以广泛应用于医学影像分析、遥感图像处理、视频监控等多个领域。在编程时，应当注意理解每一步操作的原理，并结合实际需求调整参数，以实现最佳的图像处理结果。
