图像增强(Image Enhancement)是图像预处理阶段的研究热点,常见的增强算法包括线性变换、伽马校正、直方图均衡、直方图匹配、反锐化掩蔽、同态滤波、Retinex算法等。其中,Retinex算法应用范围广泛、实现方法简单,且具有显著的增强效果。针对单尺度Retinex算法的光晕现象和泛灰问题,提出一种基于分块融合的Retinex图像增强算法。针对光晕现象,使用高斯加权双边滤波代替传统单尺度Retinex算法中的高斯核函数估计光照图像,能够有效地去除光晕现象。针对泛灰问题,引入非线性变换和图像融合的思想。首先,采用非线性变换量化反射图像,并通过Otsu阈值分割算法确定区分图像亮、暗区域的阈值;然后,以信息熵为标准,通过梯度上升法遍历非线性变换和Retinex算法的参数得到亮区域最优参数和暗区域最优参数,将最优参数代入公式得到相应的最优图像,并采用分块融合方法融合原始图像、亮区域最优图像和暗区域最优图像;最后,为克服图像分块融合算法的块效应,在融合的过程中加入一致性校验。实验结果表明,新算法能够充分获得图像的细节信息,同时有效地去除光晕现象、改善图像泛灰的不足。相比于单尺度Retinex算法、基于双边滤波的Retinex算法、直方图均衡算法以及反锐化掩蔽算法,新算法的图像增强能力得到了显著的提升且具有较强的鲁棒性,对于光照不均匀、低对比度以及雾霾图像均有较好的增强效果。