随着现代社会工作和生活方式的转换,脊柱疾病有逐年增多和逐渐年轻化的趋势,颈椎病作为现代最常见的脊柱疾病之一,如何有效地诊断与治疗颈椎病己经成为临床研究的热点。医学影像是临床中传递信息和分析病情的重要形式,CT（Computed tomography）检测是颈椎病中常见的成像检查方式之一。由于人体的组织结构错综复杂,在CT图像采集的过程中,受到光线、温度,设备噪声等各种因素的干扰,导致CT图像存在对比度低、纹理细节不清晰、病灶区域边缘模糊等问题。不仅给临床医生对疾病的诊断带来不便,也会对研究人员对医学影像数据进一步分析产生负面影响。因此,对CT图像进行增强处理,提高CT图像质量具有重要研究意义。本文针对上述CT图像中存在的问题,提出了两种图像增强方法:（1）为解决脊柱CT图像增强过程中,出现对比度或亮度增强过度导致边缘信息丢失的问题,本文提出一种基于直方图均衡和离散小波变换的CT图像增强方法。为解决手动参数设置值的主观影响,通过鲸鱼优化算法获取限制对比度直方图均衡化方法的图块大小和裁剪阈值,并使用多目标适应度函数确保均衡图像的最佳信息丰富度。为了将均衡图像和输入图像的特征结合,使用离散小波变换分别将均衡图像和原始图像分解为对应的高低频子图像,使用奇异值分解,归一化空间频率方法改进近似系数和细节系数,以提高图像的对比度、亮度同时更好地保留图像边缘。该方法在河南省人民医院提供的头颈CT图像上和公开数据集Spine Web Dataset10上进行对比。在SSIM、FSIM、PSNR、EPI、AMBE和Entropy等质量参数与其他增强方法相比,实验结果表明,该方法增强后的图像的Entropy值更高,并且在AMBE和EPI表现最佳。本研究所提方法在提高CT图像对比度的同时有效保留图像的边缘细节信息,有利于医生阅读和诊断。2)为解决CT图像中椎间盘病灶区域与周围组织对比度低,边缘模糊的问题,本文提出一种改进的SRGAN（Super-Resolution generative adversarial network,SRGAN）网络的CT图像增强方法。该方法使用自适应分割融合方法做图像预处理,在生成对抗网络的生成器中去除了批归一化层（Batch normalization,BN）,并引入注意力机制,使每个残差块生成特征图获得相应的权重,同时加入纹理损失函数,使增强后CT图像的病灶区更加清晰,边缘更加明显。将所提方法应用在河南省人民医院提供的头颈CT图像和MR图像上,与经典的图像增强算法和目前较新的图像增强算法进行对比实验,并对增强后图像进行定量分析和主观评价。结果显示,该方法显著提升了CT图像的SSIM、边缘保留指数、熵值和平均梯度,使CT图像病灶区更加清晰,边缘纹理更加明显。该方法便于医生读图诊断,具有重要的临床价值。