目前，数字图像处理已经广泛应用于遥感、军事、生物医学及公共安全诸多领域，图像增强和图像加密为两项重要处理技术。其中，图像增强技术能够提高被检测图像的细节特征，从而达到识别鉴定图像的目的。图像加密技术能够使图像由视觉可以辨认变成视觉无法辨认，从而达到隐藏图像本身真实信息的目的。数字化医院已经成为现代化医疗的发展趋势，PACS(Picture Archivingand Communication Systems影像归档和通信系统)是数字化医院的重要硬件支撑。作为PACS中必不可少的两个环节，图像增强技术用于提高图像的清晰度，便于医生诊断；图像加密技术用于保护用户隐私，便于图像资料更安全地保存、传输和应用。本文研究对于提高PACS系统技术水平，促进医学图像增强和加密技术发展具有重要的理论意义和实际应用价值。PACS系统中图像增强主要采用基于Retinex的图像增强算法和基于数学形态学的图像增强算法。其中，Retinex得到的图像常常采取常数增益，由于会使图像在对比度比较高的边缘区域和相对平滑的区域呈现过大的增强效果，从而在对比度比较高的边缘区域呈现光晕现象，在相对平滑的区域呈现过增强等现象。为此，本文提出基于Retinex理论的PACS系统图像增强算法，通过全局和局部的分别处理得到增强后的图像。图像处理引入非线性扩散模型后形成P-M模型，具有去噪效果明显的优点，但同时会丢失大量的图像纹理细节等特征。为了解决这一问题，本文提出一种基于P-M模型的PACS系统图像增强算法。对亮度、清晰度、对比度、信息熵、绝对均方误差、峰值均方误差、归一化的均方误差、峰值信噪比、绝对均值误差、结构相似法和平均梯度等多个指标进行了深入分析。PACS系统中图像加密主要采用基于混沌理论的图像加密算法。在现有图像加密算法基础上，针对提高PACS系统图像加密的安全性，以及针对较大尺寸图像的加密解密速度问题进行了系统研究。在确保安全性的前提下，提出一种基于位平面的快速PACS系统图像加密算法，利用混沌理论所具有的初值敏感性等特点，将图像在位的层面进行加密。对大量不同图像进行了效果分析、速度测试和抗攻击能力测试。针对图像较小、图像加密安全性要求高的情况，提出一种基于有限域理论的PACS系统图像加密算法，将混沌映射和有限域理论相结合，可显著提高算法的安全性。对不同图像进行不同形式的测试分析表明，算法适用于图像较小和安全性要求高的环境。