图像信息技术的发展与人类社会的进步息息相关。Retinex图像增强算法作为图像增强研究的重要组成部分,也是图像处理领域的研究热点。然而,对于不同成像条件的图像而言,采用Retinex算法有针对性地进行增强处理才能发挥其作用。本文先概述数字图像的成像特点、传统图像增强知识、常用的Retinex增强方法,以及增强过程中存在噪声信息多,图像清晰度差的问题。进而结合Retinex思想,较为全面地提出了如下两种图像增强算法在数字图像增强以及医学图像增强领域内的应用:1)根据数字图像成像不清晰的特性,提出一种将Contourlet(轮廓波)变换与基于引导滤波核的带色彩恢复的多尺度Retinex(MSRCR)算法相结合的图像增强方法。该算法改善了传统Retinex算法应用的局限性,具有保持边缘、迭代速度快、成像清晰、抑制噪声的作用,进而为实际的生产和应用提供参考价值。2)针对医学图像噪声信息多、灰度不均匀、图像类型有差异的特性,提出一种基于快速双边滤波和量子粒子群优化的Retinex医学图像增强算法。该算法对于不同类型、灰度条件各异的医学图像都能选择出适合的参数进行增强处理,不但从整体上突出了图像信息,而且提升了图像清晰度。