近年来,随着科学技术的发展,图像增强已经成为科学研究中一个非常重要的课题,成为机器视觉中不可缺少的一部分,在计算机视觉的各个领域有着广泛的应用。图像增强已经渗透到人类生活和社会生产的各个方面,如卫星导航领域、多媒体通信领域、医疗诊断领域、交通检测领域等。某些情况下,图像的视觉效果并不理想,图像增强的目的是为了改善图像的视觉效果,在不同的应用场合下,需要增强的信息也不同,因此需要有选择性地突出图像中有用的信息,削弱一些无用的信息,从而使图像包含的信息量更丰富、视觉效果更良好,用于某些特定的需求和应用场合。本文研究了目前常用的图像增强算法并分析了各自的优缺点,根据人眼视觉特性的实际要求提出了改进的梯度场增强算法,通过实验结果表明,本文提出的改进后的梯度场增强算法相对于直方图均衡算法、基于Retinex理论的图像增强算法、传统梯度场的图像增强算法不仅提高了图像的对比度,抑制了光晕现象,而且更符合人眼视觉特性,提高了图像中大于临界可见偏差的像素比例,适合实际应用中的图像增强的要求。本文首先介绍了CUDA内核函数,CUDA线程结构,存储模型,CPU和GPU的关系以及CUDA并行运算平台的编程模型。并分析了GPU的硬件架构和硬件映射,以及warp的发射和执行。以此为基础,展开GPU在图像增强方面的研究和实现。本文采用的是CPU+GPU的架构模型,CPU负责处理逻辑性较强的串行工作,而GPU则负责计算工作量较大的并行工作。二者共同完成图像增强的任务。在算法实现平台上,本文的设计采用了CUDA并行运算平台,并用C++,OpenCV实现了基于GPU的图像梯度场增强算法。本文基于对原梯度场增强算法的研究,提出了一种基于CUDA平台的并行梯度场增强算法。本文给出了并行算法的模块化分析,从几个方面对该算法进行了分析,最后通过实验结果来分析并行算法的优缺点,同时给出了优化方案。最终验证结果是采用并行算法比传统的基于CPU的增强算法处理速度提高了约30倍。