数码相机在获取图像时,往往会因为复杂光照环境的影响,导致获得的图像出现照度不足,图像偏暗,图片清晰度不高等问题。图像增强技术作为图像处理领域一种基本的处理技术,通过在频域或空域对图像进行分析处理,可以很好的改善图像质量,使图像更为清晰,细节更加突出,视觉效果更符合人眼的视觉特性。其中在频域内基于照度——反射模型的同态滤波增强方法在处理低照度图像时,可以避免直接对图像进行傅里叶变换产生的失真,在保持图像原貌的同时,很好增强图像暗区域的细节,消除照度不均的问题。通常人们接触到的多数都是彩色图像,彩色图像也较灰度图像含有更多的信息,更利于人机观察和分析识别。因此,研究和改进彩色图像的增强处理方法具有更重要的意义。故而,本文研究了基于同态滤波的图像增强方法,主要通过改进同态滤波算法,实现对低照度彩色图像亮度和对比度的增强,使其更为清晰,细节也更明显。主要工作如下：第一、对传统的同态滤波算法进行了研究和探讨,从传递函数入手,设计了在不改变对图像的增强处理效果下,参数含量更少且易于调整的新的传递函数,该改进型同态滤波可以较快地实现对图像细节和亮度的增强。第二、利用有限对比度直方图均衡(CLAHE)算法可以增强图像细节和均衡图像灰度的特点,将改进型同态滤波算法与其相结合,提出一种新的算法,该算法不仅能增强图像的亮度和对比度,使图像更清晰,而且凸显了更多细节,图像包含了更多信息,更适合人机分析观察。并通过多组实验,验证该算法的有效性和在增强低照度彩色图像时具有更好的处理效果。第三、为了获得更高质量的彩色图像,对上述方法再次进行改进,提出两种基于色彩空间转换的同态滤波彩色图像处理方法。第一种为基于亮度拉伸的同态滤波彩色图像增强算法,该算法首先利用改进型同态滤波对RGB彩色图像进行第一次增强,然后,将增强后的图像转换到HSV彩色空间,保持色度分量H不变,对亮度分量V进行有限对比度自适应直方图均衡和分段线性变换,并对饱和度S做1.5倍拉伸,提升图像的饱和度。最后,将HSV空间转换回RGB空间,至此完成整个增强过程。第二种为基于光照补偿的同态滤波彩色图像增强算法,该算法通过将经过改进型同态滤波算法和CLAHE算法处理过的图像转换到HSV空间,保持色度不变,利用构造的非线性函数对亮度分量V进行处理,实现光照补偿,并对饱和度进行一次1.5倍拉伸。最后,将原有色度和增强后的亮度、饱和度进行信息融合,恢复图像色彩信息即得到最终增强图像。采用多组实验来验证两种算法,实验表明,两种算法均具有增强图像清晰度和细节的作用,且增强后图像色泽饱满,更符合人眼视觉感知特性。