智能手机和数码相机的普及使得普通用户拍摄照片和视频变得越来越简单，也使普通用户对照片和视频的质量有了更高的要求。然而由于专业设备和摄影技术的缺乏，普通用户拍摄的照片和视频与专业摄影师所拍摄的在表现力上有较大的差距。因此研究视觉优化相关算法，提升照片和视频的表现力，对于数字摄影学和其它计算机视觉相关应用而言，都具有重要的理论价值和实际意义。　　虽然目前已经存在很多视觉优化算法和系统，但是它们在解决曝光纠正、色调稳定性、对焦一致性乃至构图推荐等问题上还有较大的局限性。本文致力于研究面向表现力增强的视觉优化系统，尤其针对上述四种常见问题，提出相应的更为自动化的解决方法，并希望所提出的优化方法可以适用于更多的应用场景。　　现实场景中复杂的光照条件使普通用户在拍照时经常遇到曝光的问题。本文通过对大量曝光正常图像的统计，发现与图像曝光相关的明亮通道先验，并利用该先验对图像进行局域地曝光纠正。再针对曝光纠正过程中造成的噪声放大和细节丢失的问题进行相应的后处理，进一步提升图像的表现力。该方法可以全自动地调整图像的曝光，适用于绝大多数自然图像，可以作为纠正图像曝光不足的批处理工具。　　普通用户在拍摄视频时通常使用连续的自动曝光和自动白平衡设置，很容易导致视频中相邻帧之间存在色调变化。本文提出一个全新的概念，“色调状态”，用来参数化地描述视频图像的曝光和白平衡属性;随后利用L1优化对原视频的色调状态进行平滑，从而达到色调稳定的目的。另外，本文还提出一种选择性策略，去除视频中不必要的色调抖动，同时保留由于场景大范围变化而带来的色调突变，用来处理色调动态范围极大的视频，有效地提升视频表现力。　　错误的对焦会导致图像模糊，丢失重要的纹理和细节。本文描述了一个新的视觉优化问题——视频的虚焦模糊重建，并提出一种基于图像块匹配的算法，用于构建全焦视频。首先将视频图像分为若干图像块，为每个模糊图像块在周围视频帧中寻找与之内容匹配的清晰图像块对其进行重建;再利用MRF模型和双边滤波思想保持视频的空间连续性和时序一致性，从而生成最终的全焦视频。　　人景合影的留念照是普通用户日常生活中最常拍摄的一类照片。为了辅助业余摄影师构图，本文提出一种留念照人像站位推荐算法，采用正、反两方面规则对人像站位进行评估。其中正规则是通过对构图合理的留念照中人像站位进行统计学习得到的;而反规则是根据摄像学中常见的几种构图规则定义的。我们在安卓平台上实现了本文的推荐系统，引导摄影师拍摄构图合理的留念照。　　本文设计了相应的对比实验和量化实验，并对部分算法进行了用户调研。实验结果证明本文提出的方法可以有效地提升图像和视频的表现力。同时，本文方法还可以作为其它视觉算法的预处理工具;或者与其它视觉优化方法结合，构建更完整的优化系统。