在实际场景中,视频图像采集常受多种环境因素影响,使得采集图像在局部或全局区域照度偏低,视觉效果差。即便在有光源补充的4K内窥镜场景,也难免因腔体深度、组织遮挡等因素,导致内窥镜图像的照度不均匀。目前,已有的亮度均衡算法为了达到更好的增强效果,大多数都以更高的算法复杂度为代价,此类算法难以应用于有实时需求的场景。因此,本文围绕4K低照度视频图像的亮度实时均衡问题,展开了对亮度均衡算法的研究、并行实现以及实时应用等相关工作。首先,综合考量算法增强效果和实时性能,研究了两种具有较低复杂度和较好增强效果的融合局部信息的亮度均衡算法。（1）改进Sigmoid模型融合导向滤波器的亮度均衡算法。算法将改进的Sigmoid模型用于照度增益矩阵求取,将具有边缘保持特性的导向滤波器对增益矩阵滤波,最后将滤波后的增益矩阵用于照度增强。该算法是一种具有细节增强特性的分区亮度均衡算法。（2）改进Sigmoid模型结合高斯模糊的亮度均衡算法。算法将改进的Sigmoid模型直接用于照度增益矩阵求取和图像照度增强,将高斯模糊作为后处理步骤用于增强图像对比度。该算法是一种具有对比度增强特性的分区亮度均衡算法。实验证明,在增强效果方面,改进的两种算法在自然场景和内窥镜场景下都有突出的亮度均衡效果。与同类对比算法相比复杂度相对较低,适用于实时并行处理。其次,为使改进的两种算法能实时处理4K低照度视频图像,从算法优化和并行优化两个方面深度优化了两种算法的CUDA并行程序。通过对比实验证明,所采用的优化技术显著提高了算法执行速度,两种亮度均衡算法均可实时（≥25fps）处理4K视频。最后,本文根据内窥镜需求分析,详细设计了一种基于GPU的4K医学内窥镜视频实时增强系统,并将已优化的两种改进算法集成至内窥镜系统中,实现了实时采集、处理、显示和编码的整个流程。