DR医学图像是现代医学诊断的重要依据,然而由于硬件条件的各种限制,直接从医学仪器所得到的医学图像其特征往往表现很差,比如分辨率低、对比度太差等,因此,为了使得输出的图像能够达到提高医生诊断病情准确性的目的,研究医学图像的增强技术是一个很有实际意义的课题。本文首先叙述了医学图像实际增强的国内外发展现状及基本方法,并在分析现有医学图像增强技术在应用中存在的问题和缺点的基础上,针对DR图像提出了一种改进的图像增强方法即多尺度DR图像增强算法,最后在图像增强的基础上做了图像的窗宽窗位调整。论文的主要工作如下：提出了一种改进的多尺度医学图像增强算法。采用的Gauss和Laplacian金字塔模型方法将原始DR图像分解为不同尺度和频率下的带通图像序列,对分解后图像的高频部分使用多尺度图像增强算法进行细节增强,然后对低频部分进行光照调整,使得重建后的图像光照对比度更加合理。增强过程中根据不同频率层图像的特征,设计不同的增益权重,在不同频率图像层上分别实现噪声平滑、降维及增强边缘特征等效果。仿真实验结果表明,本文提出的一种改进的多尺度医学图像增强算法的处理效果非常好。提出了基于窗宽窗位调整的图像增强方法。运用我们的多尺度医学图像增强算法极大地改善了DR图像的质量,提高了临床诊断率。但是我们并没有考虑对窗宽窗位的调整。事实上,对于DR图像的同一扫描层面,选择不同的窗宽和窗位可获得各种不同结构组织的灰度图像,调节窗宽可以影响图像对比度,调节窗位可以影响图像亮度。我们对采用Gauss和Laplacian金字塔模型方法增强后的图像再进行窗宽窗位调整,有助于拉大重点观察或者发生病变的结构组织所在区域图像对比度和亮度,方便医生观察决策。同时我们使用改进的LUT生成算法,缩短每次图像调窗处理时间,实验证明调整效果明显,具有很好的实用价值。