自然场景下进行图像采集需要具备良好的自然条件，才能获得高质量的图片，但在实际情况中，多变的自然条件经常干扰成像效果，导致采集到的图像质量下降。其中，最主要的自然条件有两种:光照和天气。光照不理想情况下，图像表现为亮度分布不均匀，某些区域亮度过暗或过强;恶劣天气下，图像的对比度大大下降，色彩模糊，严重影响了人眼的视觉效果。　　 本文针对受到这两种自然条件影响而降质的图像，研究图像增强算法。首先，针对光照不理想的图像，本文主要以Retinex理论为基础对该类图像进行研究。Edwin Land提出的光照与Retinex理论，解释了人类视觉系统如何从现实世界提取可靠的信息，而不会受到亮度变化的影响。Retinex算法的优势在于能够同时兼具色彩恒常性，边缘锐化、动态范围压缩三方面的功能。本文在深入研究Retinex理论的基础上，改进了一种基于Retinex的对比度融合增强算法，该算法首先将图像转化到YUV空间中，然后对亮度图像中暗区域和高亮区域分开处理，最后运用一种非线性模型进行融合。实验表明，本文算法能够保持图像色彩恒常性、边缘细节，特别在动态范围压缩上具有显著的效果。常见的恶劣天气有雨雪、雾、沙尘等，在这些天气下，大气中悬浮着较多的微粒，对场景点的光线造成直接衰减。此外，由颗粒的散射作用传播而来的大气光，导致获取的图像对比度低、色彩偏灰白色和细节模糊不清。本文以暗原色先验为理论基础，研究了一种快速去雾算法。该算法首先通过单一像素计算透射图，并使用高斯低通滤波器对透射图进行初步校正，然后利用多分辨率的思想计算透射图，最后将两者相结合得到校正后的透射图。该方法大大降低了时间复杂度，并且具有较好的去雾效果。