图像增强是数字图像处理领域非常重要的一个分支,它是通过某种策略对图像的信息或数据做一些变换,让感兴趣的区域在图像中更突出,而抑制不需要增强的次要信息的方法,其最终目的是让图像符合视觉响应特性。随着近年来航天航空领域中航拍图像、遥感图像、生物医学图像以及各种特殊应用环境下图像需求的增多,越来越多的学者在图像增强领域展开了研究。在采集图像的过程中,往往会由于场景条件,天气,光照环境或图像采集设备等因素造成图像光照不均,动态范围被压缩,显示层次感降低等缺陷,从而无法满足实际应用。而Edwin.Land提出的Retinex图像增强算法针对这类问题具有优良的增强效果。本文在深入研究了Retinex的几种经典算法的基础上,针对低照度条件下处理图片存在的色彩失真,运行速度慢等问题,提出了一种新的改进算法。首先根据Retinex算法存在改变色彩的风险问题,引入Lab颜色空间,把亮度信息和色度信息分开,改进的算法仅在亮度通道上进行处理,避免了在RGB空间上由于未对二者加以区分,导致处理后三通道比例失调的问题,保留了图像的色彩信息。然后针对卷积运算费时的问题,使用离散快速傅里叶变换将卷积运算转换为简单的乘法运算,降低了时间复杂度。实验数据显示,改进的算法与已有算法相比具有更好的色彩保真性并能够提高运算速度,改善了彩色图像的视觉观感。针对雾天条件下对采集的图片处理时在梯度较大区域易出现光晕、泛白且图像整体对比度不强等问题提出了基于限制对比度的自适应直方图均衡化的Retinex图像去雾增强算法。用引导滤波器代替原始算法中的高斯滤波估计入射分量,与原有的高斯滤波器相比,它具有能保留图像边缘梯度和算法复杂度更低的优点,能显著改善由于对像素值变化较大区域采取相同的滤波手段而出现的光晕现象。对反射分量进行限制对比度自适应直方图均衡化处理。实验结果表明本文的算法能适用于不同雾天图像,能有效增强原图像的细节信息,且在图像抑制噪声以及边缘保留方面均具有较好的效果。