图像变换包括图像的拉伸、收缩、扭曲、旋转、傅里叶变换等。一般称原始图像为空间域图像，称变换后的图像为转换域图像，转换域图像可反变换为空间域图像。图像处理中所用的变换都是酉变换，即变换核满足正交条件的变换。经过酉变换后的图像往往更有利于特征抽取、增强、压缩和
图像编码。
图像压缩是指以较少的比特有损或无损地表示原来的
像素矩阵的技术，也称图像编码。信息时代带来了“信息爆炸”，使数据量大增，因此，无论传输或存储都需要对数据进行有效的压缩。在遥感技术中，各种
航天探测器采用压缩编码技术，将获取的巨大信息送回地面。图像压缩是
数据压缩技术在数字图像上的应用，它的目的是减少图像数据中的冗余信息从而用更加高效的格式存储和传输数据。
图像增强可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。后者空间域法中具有代表性的算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算，基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。
基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。空域方法有
直方图均衡化、灰度线性变化、图像平滑、图像锐化等。
频域方法有低通滤波 、高通滤波等。低通滤波 包括理想低通滤波、巴特沃斯低通滤波、指数低通滤波、梯形低通滤波，高通滤波包括理想高通滤波、 巴特沃斯高通滤波、指数高通滤波、梯形高通滤波，还有彩色图像增强（真彩色、假彩色、伪彩色增强）。
图像模糊处理包括图像模糊处理和图像去噪处理，图像模糊处理包括运动模糊（维纳滤波、最小均方滤波、盲卷积等）、高斯模糊等，图像去噪处理包括高斯噪声处理（维纳滤波、样条插值、低通滤波 ）、
椒盐噪声 处理等。
传统的
插值方法有：最近邻插值，
双线性插值，双平方插值，双立方插值以及其他高阶方法。最近邻插值和双线性插值算法很容易出现锯齿，生成的图片质量不好。因此一般只在对图像质量要求不高的场合下采用。双平方插值和双立方插值，实质上是“
低通滤波器”，在增强图像平滑效果的同时丢失了许多高频信息。而在很多应用场合．细节信息恰恰非常重要，要考虑如何在保证平滑效果的同时尽可能地保留细节信息。