低照度图像一般是在环境亮度低、背对光源等情况下获取的图像,这种类别的图像存在对比度低、噪声大、图像失真和视觉效果差等特点。针对低照度条件下所获取的图像有可能出现图像失真、自然视觉特征差等问题,提出一种能够有效地解决这些问题的低照度图像增强算法。首先,用RGB-Max算法获取初始图像中的入射光分量,再用L2范数对其进行平滑,得到初始图像中的入射光分量;然后,对初始入射光的分量进行了细化性的增强。改进多尺度Retinex增强全局亮度,其中引入了局部权重的校正因子,不仅可以减弱局部光晕的现象,还可以实现局部图像颜色的保留;采用自适应对比度增强算法对其进行局部的对比度调整,有效避免了出现过增强和小部分细节丢失的现象;将初始入射光分量、亮度增强的入射光分量和亮度调整的入射光分量三者结合,进行线性平均融合,得到最终估计出的较为精确入射光分量;最后,由Retinex得到反射光分量,并对其进行了伽玛调整,得出最终的增强效果图。通过实验分析可得,该算法有效地提高了抑噪性能,减小了图像失真,并且在有效提高了图像色彩亮度的基础情况下,自然曝光特性仍然是保持了相对较好,在运行时间和算法效率上也得到一定的提升。针对低照度图像有可见度低、噪声大等特点,不仅存在视觉效果不佳还会造成图像信息丢失等现象。提出一种基于形态成分分析（MCA）和Retinex算法的增强方法。首先,利用HSV的色彩空间各种分量之间存在差异性并且互相之间的相关联性小,将图像转换为HSV的色彩空间,采用MCA将V分量直接分解成为纹理部分和平滑部分,对平滑部分进行基于改进的多尺度Retinex算法和自适应全局色调整了映射增强,对纹理部位进行去噪后再次进行Laplace算子锐化,重建的结果就是提高了亮度增强的图像,将其与H、S分量进行合并且变换得到RGB色彩空间,最后采用一个自适应S型函数进行恢复,这样可以得到最终的增强图像。实验分析结果表明,该分析算法不仅能够有效地大幅改善了低光线照度下的图像图片质量,提高了整体图像颜色亮度,更好地有效保留了图像边缘、细节处的纹理及有效抑制了图像噪声。