在這個階段中，使用模糊圖像處理技術增強整個圖像的對比度。平滑操作可以降低嗓聲的影響，但是平滑嗓聲的同時，也使目標變得模糊。因此，在對圖像進行平滑操作以後，往往還要進行銳化處理，以此來增強圖像，方便進行邊緣檢測、目標提取等操作。
鈍化模板操作（unsharpmaskingoperater）是比較典型的一種圖像增強方法，該方法通過將原始圖像與其高通濾波結果相加得到，但是高通濾波在增強圖像本身的同時難免也把噪聲增強了。因此，該方法適合對沒有噪聲的圖像進行增強處理。還有其他一些圖像增強方法，比如自適應濾波（wienerfiltering）、中值濾波（medianfiltering）等等都不能取得理想的增強效果。
Russo提出了一種模糊圖像增強方法，並驗證了該方法與其他方法相比具有一定的優越性。但是，由於該方法中參數是固定的，所以效果並不盡如人意。文獻［200］、［201］提出了不同的參數調節方法，使該方法的效果有了進一步的提高，但效果仍不甚理想。本研究中使用一種新的自適應參數調節方法，並與以上各種方法進行了實驗對比，結果顯示，此方法具有簡單、快速、增強效果更好等特點。
Russo的基本方法
1平滑與銳化
方法改進
從以上分析可以看出，提高Russo圖像增強方法效果的關鍵在於如何選擇恰當的參數α。各提出了一種選擇參數α的方法，這兩種方法都能夠根據所處理像素周圍環境的不同，選擇不同的參數，具有一定的適應功能，圖像增強效果也有一定的提高。但是這兩種方法的參數選擇都是基於複雜的指數運算，從而增加了運算的複雜度，而且最終效果也不盡如人意。
從上麵分析可知，α越大，則平滑強度越大；反之，α越小，平滑強度越小。因此，如果能夠在噪聲幅度大的地方選擇較大的α，在噪聲幅度小的地方選擇較小的α，就能夠取得較好的平滑效果。
銳化處理可以看做平滑操作的相反操作，如果在平滑操作之後進行銳化處理，則α_sharp越大，對平滑操作的損失就越大，為了盡量降低這種損失，可以選擇最小的α_sharp，即α_sharp=1。
實驗結果
實驗在MALA701環境下添加噪聲和進行平滑與增強處理。
對以上各種方法對同一幅噪聲圖像進行濾噪增強之後的乳腺X圖像進行了均方誤差（MSE）的比較，如表10-5，進一步驗證了此方法的優越性。