人脸检测在各个领域有着广泛的应用。当人们在用照相机或其他数码产品拍照时,由于光线不足和暗的背景使人脸检测变得很困难。本研究的目的是用图像处理方法实现人脸检测,从而进一步改进图片的质量。这个问题可以被分成两个步骤：人脸检测和人脸增强。为了更有效的检测人脸,本文使用基于OpenCV的Adaboost算法训练分类器。在进行人脸增强之前,人脸区域通过肤色方法更精确的提取肤色信息。Imadjust算法是基于灰度级的线性变换,是图像增强技术中一种比较简单但又十分重要的方法。Retinex算法是一种基于视觉的图像增强方法,主要用于补偿受照射光影响严重的图像。本文详细阐述了Adaboost人脸检测技术的基本原理,分积分图、Adaboost学习算法、多分类器级联结构三部分进行了介绍。并重点讲解了如何训练分类器。本文给出了Imadjust算法的线性变换公式。Retinex算法可以被分为SSR、MSR和MSRCR三种。本文改进了Imadjust算法和MSR算法并将图像分为R、G、B三个通道分别实现图像增强。整个程序是利用VC++6.0和OpenCV(开源计算机视觉库)在Windows Xp上实现。实验用到的297张暗背景下的人脸图片,有253张可以被检测出,检测算法的准确率是85.2%。实验结果证明了该算法的有效性,而且检测速度快,开发周期短,具有可行性。Imadjust算法可以很好的提高图像的亮度。多尺度Retinex算法显示增强后的图像具有色彩保真度高等特点,运用这种方法进行图像处理可以获得非常好的处理效果。最后给出了两组图片来验证Adaboost算法、改进的Imadjust算法和多尺度Retinex算法的效果。同时这些算法也证明满足实时性的要求。未来,这些算法将应用到嵌入式系统中。