随着数码相机在大众中的普及,越来越多的人开始关注图像质量的优劣。由于实际光照环境等因素的影响,非闪光灯图像常出现亮度偏低、细节模糊不清、色调昏暗等情况;闪光灯照片常出现红眼现象、闪光灯阴影、高光、前景和背景亮度分布不均等破坏图像质量的现象。本文利用闪光灯和非闪光灯图像的优点进行细节补偿、图像增强的研究。　　首先针对闪光灯图像的红眼现象进行检测和去除算法的研究。对国内外现有的方法进行分类介绍,并提出了自己的红眼检测与去除的方法。检测方法利用肤色检测缩小检测范围,利用红色及饱和度特征检测红眼,利用形态学特征确定检测结果;去除方法对颜色和饱和度进行校正,并利用亮度通道消除“死眼”现象,用中值滤波使图像更加自然。　　然后对闪光灯引入的阴影进行检测与去除的研究。阴影检测利用闪光灯-非闪光灯图像对比较边缘点信息,在此基础上进行灰度差值的筛选。利用k均值算法将阴影区域分类,采用Von Kries色适应模型调整本影区域,利用半影线性变化模型修正半影区域。　　最后对剩余的其他一般区域进行图像增强的研究。分别选取闪光灯-非闪光灯图像对中的优点进行融合增强。将图像分为亮度层和颜色层,其中亮度层又分为概貌成分和细节成分。闪光灯和非闪光灯图像概貌按一定比例进行融合,以改善整体亮度,并采取闪光灯图像的高频部分对图像细节进行增强,利用闪光灯图像较好的白平衡特点得到图像的颜色层。　　本文在每章最后进行了实验结果分析,证明了算法的可行性。