进入21世纪以来，图像处理技术得到飞速发展，图像增强作为它的一个重要分支，在医学、刑侦学、航天技术等研究方向有着很重要的应用价值。直方图均衡化是一种简单、快速且有效的图像增强算法，它通过对原始图像按照累积分布函数进行变换，将分布不均的直方图拉伸均匀分布，从而增强图像对比度，使图像更清晰。但是经过处理后，图像中表征图像细节的灰度级会在处理过程中被合并，从而导致图像细节信息丢失，边缘弱化。针对现有算法的不足，本文提出了一种改进的直方图均衡化算法，另外还研究了利用GPU的并行计算能力提高该算法处理速度的OpenCL并行算法。论文首先对前人有关直方图均衡化图像增强算法的研究工作进行了概述，分析了传统算法的缺点，针对其缺点本人提出先将要处理的图像进行线性平滑滤波，过滤掉图像中的噪声，然后再对其进行Laplacian算子变换，提取出原图像中的高频细节成分，最后将其与原图像的直方图均衡化结果进行加权叠加，得到一个改进的均衡化图像，既增强了图像对比度又保留了图像细节。另一方面，由于该算法要对图像每一个像素进行处理，因此在处理较大图像时，传统串行处理方式效率很低。OpenCL作为一个通用的开放的并行计算环境，它为实现GPU并行计算程序的跨平台移植提供了解决方案。本文在探索直方图均衡化算法改进的同时，结合OpenCL并行架构的特点，深入分析了改进后算法的并行性。针对其中的三个部分：线性平滑滤波处理图像的噪声，Laplacian算子变换和均衡化分别进行了OpenCL并行加速。最后编程实现了本人提出的算法，并在OpenCL并行环境和普通CPU平台下进行了性能对比实验。实验结果表明：改进后的算法对图像的增强效果明显好于传统直方图均衡化，OpenCL平台加速后的处理时间相对于传统串行的处理时间大幅缩短，尤其在图像分辨率为4000*3200及以上时，速度提高了五十倍左右，并且加速比随着分辨率的增加而提高。