二维张量场图像处理算法是当今图像处理研究领域的热点之一，该算法在常规的图像处理中有非常突出的表现，然而本算法在国内图像处理领域尚未有系统的理论研究及其算法实现。 本文提出并实现了一种基于二维图像张量场来控制高通滤波器滤波行为的非迭代医学图像去噪与增强算法。该算法根据图像结构信息进行去噪，并结合拉普拉斯分层概念进行增强处理。它具有两个优点，这两个优点往往是互相矛盾、不能同时得到的，即：边缘增强与峰值信噪比的提高。文中利用合成数据和真实医学图像数据(CT、X线)以及普通场景图像对该算法进行了测试，对于各种中信噪比、低信噪比的图像，所得的结果都很好。 人类的视觉系统在图像识别和判断过程中，对图像中的边缘轮廓、纹理及线条信息的感知是十分敏感的，这类信息对于人类视觉系统而言是十分重要的。因此算法的主要思想就是要最大限度的识别和保持图像中的这类结构信息，使它们在去噪的过程中不受到破坏，并可以通过参数选择来对这些结构信息加以适当增强。张量场是由与空间或时间有关的函数所映射成的一个数据场，图像中的每一个像素点均映射到一个张量上，文中通过这种映射关系建立起一个二阶对称张量场，来对图像中的局部和全局结构信息加以识别，并利用二阶对称张量的某些属性来控制滤波器的大小、形状和朝向，滤波行为在很小的局部范围内就可以得到有效控制，接下来对去噪图像进行多尺度增强处理，这时就可以不必担心噪声会被放大的问题，最后重建出一幅经过去噪并增强的新图像。