图像是人类获取外界信息的重要来源，图像处理技术与人类生产生活息息相关。但由于拍摄环境，拍摄设备以及传输条件的不同，一幅图像的质量会受到噪声和光照的影响，使图像质量降低，进而影响人们对其的识别程度。而图像去噪增强等预处理方法能显著增强图像质量，提高图像还原真实场景的能力。目前，针对影响图像质量的不同因素，学者提出了不同的图像增强算法。针对由噪声所引起的图像质量问题，我们主要采用传统滤波方法以及偏微分方程微分方法；而对于由光照不足或过强所以引起的图像对比度问题，我们主要采用直方图均衡化方法来增强图像质量。本文针对影响图像质量的不同因素，提出了两种提高图像质量的算法。本文的具体工作包括以下三个部分：1)简单分析比较了传统图像增强方法的优缺点。其中包括空域滤波，频域滤波以及形态学操作。这类传统的预处理方法由于其具有简单、高效的特点，所以常被应用于实际的工程项目中。2)针对一些对图像处理应用要求比较高的情况，本文提出了一种结合了分数阶偏微分方程微分和四元数的彩色图像去噪模型。算法将能量泛函从整数阶推广到分数阶，分数阶模型综合了各整数阶模型的优点。同时针对传统彩色图像RGB三通分开处理导致图像失真的缺点，算法引入四元数将彩色图像RGB三通道表示为一个纯四元数，将其作为一个有机的整体作用于分数阶微分去噪模型。实验表明，该方法比传统的彩色图像去噪方法能更好地的去除噪声和增强纹理。3)介绍了基于亮度保持的直方图均衡化方法的研究现状，并从这类方法的发展历程出发，阐述了各阶段典型算法的原理和对这类算法的贡献。同时针对现有方法存在的图像均值亮度保持和对比度增强不可控等的缺点，作者提出了基于范围限定的多阈值分割模糊直方图均衡化方法。该算法采用一个强度因子，用以控制各子直方图区域内亮度保持的强度。实验表明该方法比现有方法能在亮度保持和对比度加强之间取得更好地平衡。