在图像的获取、传输过程中以及将图像数字化的过程中，图像质量的下降是不可避免的。利用图像增强算法对图像进行处理，可以使图像的质量大幅度的提升，提高图像的可分辨程度和视觉效果。增强技术也可以作为图像预处理分析的重要手段，使得处理过的图像在参数估计、图像区域分割等方面，具有原图像没有的优势。人眼的组织构成和视觉系统是图像后期加工的生理依据。传统的图像增强技术都是从数字化的角度来处理图像，并不直接考虑视觉效果，且处理后的图像在增强对比度的同时也放大了噪声，这是全局的灰度处理所带来的缺陷。因此本文提出结合人眼视觉特性，对图像的灰度进行分块处理，以此来改进图像的增强算法，力求算法改进过的图像具有可视度提高,同时不放大噪声的优势，并增加图像可获取的信息内容。本文的研究有以下几方面：首先，传统均值滤波器不能分辨信息点和噪声点，对所有的像素点一视同仁，使得去噪后的图像模糊不清。针对此缺陷，本文提出基于临界可见偏差(JND)值来区分像素点和噪声点，对不同种类的点使用不同的权值来重构图像，因而对均值滤波算法进行了改进。其次，将图像灰度调整至满阶级状态，并参考临界可见偏差曲线和韦伯定律，利用直方图在低灰度区的峰值和最大值处，寻找适当阈值，压缩高灰度区域、拉伸低灰度区域，以此来提高图像的平均亮度，力求观察者可以在更佳的背景光源下分析处理过后的图像。最后，针对传统增强算法中全局相等灰度同时调整的缺陷，提出更适合图像的分块灰度调整算法。在模块内，基于人眼强分辨灰度边界值，对于人眼不能分辨的灰度进行合并，使得被合并后的像素值拥有对其相邻像素更好的分辨度。仿真实验表明，本文提出的增强算法可以很好的提升图像的对比度，改善了图像细节的清晰度和增加了图像的信息量，更符合人眼视觉效果。