剛獲得的圖像有很多噪音。這主要由於平時的工作和環境引起的，圖像增強是減弱噪音，增強對比度。想得到比較幹凈清晰的圖像並不是容易的事情。為這個目標而為處理圖像所涉及的操作是設計壹個適合、匹配的濾波器和恰當的閾值。常用的有高斯濾波、均值濾波、中值濾波、最小均方差濾波、Gabor濾波。
由於高斯函數的傅立葉變換仍是高斯函數, 因此高斯函數能構成壹個在頻域具有平滑性能的低通濾波器。可以通過在頻域做乘積來實現高斯濾波。均值濾波是對是對信號進行局部平均, 以平均值來代表該像素點的灰度值。矩形濾波器(Averaging Box Filter)對這個二維矢量的每壹個分量進行獨立的平滑處理。通過計算和轉化 ,得到壹幅單位矢量圖。這個 512×512的矢量圖被劃分成壹個 8×8的小區域 ,再在每壹個小區域中 ,統計這個區域內的主要方向 ,亦即將對該區域內點方向數進行統計,最多的方向作為區域的主方向。於是就得到了壹個新的64×64的矢量圖。這個新的矢量圖還可以采用壹個 3×3模板進行進壹步的平滑。
中值濾波是常用的非線性濾波方法 ,也是圖像處理技術中最常用的預處理技術。它在平滑脈沖噪聲方面非常有效,同時它可以保護圖像尖銳的邊緣。加權中值濾波能夠改進中值濾波的邊緣信號保持效果。但對方向性很強的指紋圖像進行濾波處理時 ,有必要引入方向信息,即利用指紋方向圖來指導中值濾波的進行。
最小均方差濾波器,亦稱維納濾波器,其設計思想是使輸入信號乘響應後的輸出,與期望輸出的均方誤差為最小。
Gabor變換是英國物理學家 Gabor提出來的,由“測不準原理”可知,它具有最小的時頻窗,即Gabor函數能做到具有最精確的時間-頻率的局部化；另外, Gabor函數與哺乳動物的視覺感受野相當吻合,這壹點對研究圖像特征檢測或空間頻率濾波非常有用。恰當的選擇其參數, Gabor變換可以出色地進行圖像分割、識別與理解。如文獻提出的基於Gabor濾波器的增強算法。