图像作为一种信息载体，是人类获取和交换信息的主要来源。图像增强是图像处理中的一个重要预处理环节，其主要目的是为了改善图像的视觉效果，提高人的眼睛对图像信息的识别能力。传统的图像增强方法有空域增强和频域增强两大类，但它们起初都是处理灰度图像的，若直接应用在彩色图像的增强处理上会有许多缺陷。虽然兴起的小波变换技术也能在图像增强处理上得到较好的效果，但在增强图像细节的同时，会引起图像整体视觉效果的损失和引入大量噪声。　　 在灰度图像增强方法基础上演变来的图像增强算法并不能有效的处理彩色图像，它们没有考虑人眼视觉系统的感知特性。因此一些学者从人眼视觉系统的感知特性出发提出多种彩色图像增强算法，其中基于颜色恒常特性的经典Retinex增强算法受到很多国内外学者的关注。Retinex理论的原理是利用人眼对物体颜色的感知，在外界照度条件变化的时候，仍能保持相对不变，表现出色彩恒常性。　　 本文主要对基于Retinex理论的图像增强方法进行了研究：　　 第一，在分析了常用的Retinex图像增强方法和模糊单尺度Retinex算法基础上，针对Retinex算法在图像增强处理时出现的光晕、伪影等现象，本文提出了一种融合模糊理论和多尺度Retinex的图像增强方法。根据环绕点与当前点在亮度、颜色等已知信息的相似程度，估计其光照强度与当前点相似的模糊隶属度函数，在此基础上计算模糊环绕平均亮度值，避免了光照强度急剧变化产生的不良影响，使得Retinex能够更好的模拟人眼视觉感知能力。　　 第二，模糊多尺度Retinex图像增强算法的时间复杂度比较高，在进行图像处理时很耗时。本文提出了一种快速的模糊多尺度Retinex图像增强算法，在对图像进行模糊多尺度Retinex增强前，先对图像进行转换颜色空间、下采样等预处理步骤，该预处理能够降低该算法执行的时间复杂度。再用结合ECM的模糊C均值聚类算法来划分图像，扩展本文算法的应用性。