图像增强是指通过相应图像处理技术来增强图像细节,并改善图像视觉效果。随着图像处理技术与数字成像设备的快速发展,人们对图像质量的要求越来越高,图像增强算法已成为图像处理领域中的重要研究方向。本文主要对图像增强算法中的色调映射算法和多曝光融合算法进行了研究。普通图像每个像素点只有0-255的灰度范围,在表示亮度范围很大的自然场景时,会丢失大量细节信息,高动态图像可解决这一问题。然而,高动态图像虽然能存储高精度的亮度信息,但是不能在普通显示器上正常显示。色调映射是指将高动态范围图像映射为低动态范围图像,使其能在显示设备上正常显示。本文利用导向滤波器的保边滤波性,提出了一种基于导向滤波器的自适应色调映射算法。该算法提出了一个简单的自适应压缩算子,根据输入高动态图像的平均亮度自适应地进行压缩。该压缩算子将输入高动态图像的平均亮度考虑在内,根据输入高动态图像的平均亮度自适应地进行压缩,平均亮度大的图像压缩程度大,平均亮度小的图像压缩程度小;另外,在同一幅图像中,对亮度值大的像素点压缩程度大,对亮度值小的像素点压缩程度小。压缩后图像由导向滤波器拆分为基础层和细节层分别进行处理,从而保留更多的细节信息。与其他经典色调映射算法相比,本文提出的算法不仅可以保留更多的图像细节信息,减少伪影现象,而且本算法具有良好的自适应性,对于任意亮度的高动态图像都能直接使用,而不需要额外地调整参数。为了客观精确地评价该算法,本文引入了FSITM和TMQI质量评价指标对该算法进行评价分析。实验结果表明,与其他六种经典色调映射算法相比,本算法得到的图像质量效果更佳。多曝光融合是指将一组同一场景的曝光度不同的图像序列融合为一幅曝光度相对合适的图像。高曝光图像保留了场景中暗处的细节信息,低曝光图像保留了场景中亮处的细节信息,多曝光融合算法的目的是尽可能地将每幅图像保留的细节信息融合到一幅图像中。本文对三种经典的多曝光融合算法进行了研究,并对基于导向滤波的图像融合算法进行了改进。原始算法在计算每幅图像的初始权重时,只考虑了图像的显著性,不够精确。而改进后的算法在计算初始权重时,引入图像颜色质量。显著性相同的情况下,颜色质量越好的图像,所占权重越大;反之,颜色质量越差的图像,所占权重越小。通过对实验结果的主观比较和Hossny等人提出的质量评价算法的客观评分,可以表明,改进后的算法可以得到质量更佳的图像。