现代兽医影像通过兽用B超图像提供了患病动物的大量病理信息，在兽医临床上被广泛应用，特别是兽用B超超声诊断成像仪器，其在兽医临床上的作用不可替代。但是兽用B超图像的质量几乎是医学影像中***差的，所以为了兽医更好的诊断，对其图像的增强工作显得尤为重要。
近年来，随着对兽用B超图像研究深度的逐渐升级，人们对灰度变换、直方图均衡化、中值滤波这些传统的兽用B超图像增强方法已经有了深入的研究。但随着科技的进步，一些传统的增强方法已经不适用于复杂的动物病理兽用B超图像了，一些模式固定的增强方法正在逐步被取代，新兴的如模糊增强 等方法正在引起众多研究人员的注意。目前在国内，一些成功应用在数字图像增强领域中的时下比较热门的增强方法，比如直方图局部均衡化，Sobel算子与Canny算子相结合的边缘检测，经典的Pal和King模糊增强算法，基于小波的兽用B超图像增强等，都受到一致推崇；在国外，还有好评如潮的Curveletllg变换等等，这些方法在兽用B超图像处理上的应用前景还有待发掘。
有人主要根据兽用B超图像的特点，在基于灰度级的模糊增强方法基础上，加入了自动阈值选取算法，并且把二者结合运用，使兽用B超图像处理更方便、人性化。