随着网络与人工智能技术的日益发展,计算机视觉领域的研究有了较大的进展,需要更多优质清晰的图像资源给各类深度学习模型去训练以满足各行各业的需求,例如人脸识别、目标检测跟踪、工厂监控报警等等。因此,图像增强技术在计算机视觉领域有着相当重要的地位。对于暗图像来说,其主要特征是图像整体或大部分亮度低,对比度差,视觉效果差等,不能满足人们的视觉体验和机器处理的要求。为了解决现有的一些传统暗图像增强算法存在增强后过曝光、光晕、颜色失真、噪声过度放大等缺点,本文提出一种改进的基于方向引导滤波的暗图像增强算法。主要改进的内容如下:（1）针对图像的HSV空间的V通道数据进行增强,利用方向引导滤波获取图像的基本层与细节层。方向引导滤波就传统引导滤波而言,对方向敏感,并且存在保边性更强的特点,对于不同方向的边沿有更好的适应性。（2）对方向引导滤波后的基本层进行低通滤波得到亮度估计图,然后进行基于亮度估计图的自适应伽马校正,对于细节层,则进行非线性拉伸和裁剪操作。在图像融合阶段,将处理后的基本层与细节层进行加权融合,通过加权系数对细节层进行噪声限制,并利用限制对比度的自适应直方图均衡和对数变换把融合后的图像灰度进行重分布,最后转化到RGB空间输出增强图像。实验结果表明,本文的算法针对不同场景下的暗图像,增强后的图像亮度和对比度有着较好的改善,结构相似性较高,没有造成增强后的明显模糊,颜色失真较少,并且各项客观指标也有着较大的提高。