图像增强是图像处理重要组成部分，其目的是通过提高图像的比对度，突出感兴趣特征并抑制背景噪声，改善图像质量和视觉效果。根据处理空间不同，图像增强可分为基于空域的算法和基于频域的算法两大类。尽管频域增强能有效地扩大对比度，但由于运算量大，不适合用于实时处理，所以空域处理算法应用更加广泛。直方图均衡化（HE）是空域中最经典的方法，由于其操作简便，效果明显，所以应用十分广泛，例如医学图像增强。但是HE存在一个重要的问题就是“均值偏移”，对低动态范围图像会导致过度增强并产生人工痕迹和边缘效应，很难直接应用于电视机等一些消费电子产品。正由于图像亮度保持在消费电子产品中有很高的需求，迫切需要一种高效的亮度保持直方图均衡化算法来满足这一要求。此外，对于传统的基于直方图的图像增强算法虽然能有效地增强动态范围较小的低对比度图像，但是对于动态范围较大的低照度图像却无能为力。Retinex理论能有效地从原图像中分离出物体本来的颜色属性，去除光照对物体的影响，适用于各种对比度图像。本文分别对传统直方图均衡化图像增强和Retinex理论做了一定研究，具体研究工作如下：首先，论文详细阐述了图像增强的基本原理，介绍了空域图像增强三种处理方法：直接灰度变换、直方图处理和空间滤波。频域图像增强主要介绍了各种滤波器，包括低通滤波器、高通滤波器、同态滤波器和选择性滤波器。同时，对常用的彩色模型进行了详细介绍，例如面向设备的RGB、CMY彩色模型，更符合人眼视觉的YUV/YIQ、HSI模型。其次，本文提出了一种新的基于常数直方图模型亮度保持的图像增强算法，并从算法的提出、基本原理、模型建立和推导、实验结果等对该算法做了详细介绍。该算法的本质是直方图规定化，我们对直方图规定化的概念做了进一步的介绍，并且详细比较了几种常用的直方图规定化算法。通过选取三种不同的图像质量测量标准对该算法模型以及其他的一些经典算法进行实验仿真对比，我们验证了本文所提出算法在计算复杂度、亮度保持、对比度扩大等方面的优越性。最后，本文还对Retinex理论做了相关研究，详细阐述了Retinex理论的基本知识，以及一些经典Retinex模型。同时，本文根据中心环绕Retinex模型，提出了一种改进型多尺度Retinex算法，主要采用降采样、均值滤波和新的量化操作来降低Retinex运算时间，并且保持图像色彩。