对于彩色图像，在进行处理时，通常将彩色图像先转换成灰度图像进行处理，再将处理后的图像转换为彩色图像。若使用RGB颜色空间模型,则先将彩色图像的RGB三个通道分别作为灰度图像进行处理，然后再重新合成彩色图像，但这种方式很容易导致色彩上的失真，因此可以将RGB彩色空间变换到其余彩色空间，然后再进行处理，例如转换到HSI彩色空间、YIQ彩色空间、YCbCr彩色空间、CMY彩色空间等。
Retinex算法是Land等基于人类视觉系统而提出来的彩色图像增强方法，算法具有高动态范围压缩，能够较好地保持图像色彩，引起了大量国内外学者的兴趣。在Land提出了中心环绕Retinex算法后，Jobson等人[16-17]提出了单尺度Retinex算法、多尺度Retinex算法以及能够保持色彩的多尺度Retinex算法。基于经典Retinex增强算法，国内外学者相继提出了多种改进Retinex增强算法，例如，李权合等人[18]提出了基于Retinex以及视觉适应性的图像增强算法，先去除图像的光照分量，根据剩下的反射分量，结合视觉适应性模型，调整反射图像的全局对比度和亮度。耿鑫等人[19]提出了基于模糊同组划分的多尺度彩色图像增强算法，通过模糊同组技术将图像点划分为噪声、细节、平滑区，用中值滤波去噪后，结合细节区域和平滑区域所占局部窗口的面积比例，采用不同尺度的 Retinex算法增强图像。在夜间彩色图像处理方面，赵宏宇等人[20]提出了马尔科夫随机场模型下的Retinex夜间彩色图像增强算法，在HSV空间模型下通过线性引导滤波计算亮度分量，在马尔科夫随机场模型下求解反射分量，然后再进行颜色恢复与校正。 图像增强算法国内外研究现状(2):http://www.751com.cn/yanjiu/lunwen_19423.html