医学图像是现代医疗诊断的重要依据和信息来源，随着医学影像技术不断地被应用到医疗诊段过程中，医疗诊断的准确性和及时性也大大地提高。然而由于硬件条件的限制以及人体组织、噪声等各种因素的影响，直接从医学仪器所获得的医学图像普遍具有细节模糊、对比度差、噪声较大或存在伪影等特征。此外，从不同的设备获取到的人体不同部位的医学图像会有不同的缺陷，如：MR成像和低剂量的CT重建中，伪影比较严重，而超声图像的纹理清晰度和对比度稍差。这些因素会使病变部位与背景模糊难辨，从而影响医生对病灶的定位与诊断。所以，在医生诊断之前需要使用一些增强算法对医学图像进行处理，增强图像的局部或特定部位提高图像的可懂度，以减小疾病的误诊率。本文的第一部分叙述了医学图像增强在国内外的发展现状。第二部分则介绍了一些医学图像增强的基本算法，并分析了这些常用算法在实际处理图像时存在的问题和自身的缺点。然后在此基础上提出了一些改进的医学图像增强算法，并在后续部分对改进算法进行了求证和仿真验证。本文的主要工作如下：1.研究了一种改进的基于小波变换的图像增强算法对低对比度的X线医学图像进行对比度的自适应增强。使用特殊条件对小波基进行挑选，然后小波变换后的各个方向的系数进行自适应滤波处理，得到我们需要的包含信息丰富的系数，根据这些系数反变换后得到我们需要的对比度更适合医生进行诊断的医学图像。2.对使用反锐化掩膜增强医学图像细节的算法进行进一步研究。考虑到了人眼视觉系统对图像的中灰度区域的灰度变化比高、低灰度区域更加敏感度的特性来尽量避免图像出现过增强现象，同时也利用了图像局部差分曲率在区分图像中平缓区和边缘细节区域的优势来获取细节更加丰富，信噪比更高，更加利于后续分析和处理的医学图像。