由于受到光照环境等条件的限制，图像获取设备采集的图像有时是低亮度或高亮度图像，这些图像的一个共同缺陷是对比度低而使得图像的视觉质量差。为了提高图像视觉质量，或者使得图像处理系统有一个“更好”的输入，文章针对低亮度和高亮度图像研究低对比度图像增强技术及边缘检测技术。　　在低对比度图像增强技术方面，文章首先研究低亮度彩色图像自适应增强算法。该算法通过构造复合抛物线函数进行全局亮度自适应调节、局部对比度自适应增强以及颜色恢复三个步骤实现。使用该算法增强低亮度彩色图像后图像细节特别是暗区域的细节特征较其它某些方法更突出。该算法的不足是基于串行机制设计的，且只适用于低亮度彩色图像增强，文章针对这些不足提出了一个改进算法。改进算法基于并行机制而且适用于低亮度和高亮度彩色图像增强。改进算法首先把RGB彩色图像转换为亮度（灰度）图像，然后对亮度图像进行亮度调节与对比度增强并行处理，最后对第二步的结果利用颜色线性恢复模型进行颜色恢复。针对低亮度和高亮度图像对比度增强，文章中改进算法与当前两个主流的算法比，在增强图像的视觉效果、算法计算效率、参数的鲁棒性方面具有一定优势。　　在低对比度图像边缘检测技术方面，文章首先利用四元数理论，结合彩色图像像素的亮度差异和色度差异，将亮度与色差综合起来构造四个四元数算子,提出了基于四元数理论的彩色图像边缘检测算法，该算法不仅适用于低亮度和高亮度彩色图像边缘检测，还可以用于亮度正常的彩色图像边缘检测。实验结果表明文章所提出的边缘检测算法对低亮度彩色图像边缘检测与目前常用某些算法比更符合人的视觉感知一致性。文章然后针对亮度变化剧烈的灰度图像，利用灰色系统理论，提出了基于绝对关联度的统计量的边缘检测算法，实验结果表明该算法具有简单、易实现、边缘检测准确清晰的优点，为图像边缘检测提供了一个新的思路。　　最后，本文对所做的工作进行了归纳总结，并且结合本文的不足之处，分析和讨论了进一步需要研究的工作。