在图像处理方面,图像中的噪声和“雾”,成为影响图像质量的重要因素。噪声的出现会导致图像中重要信息丢失,出现模糊,影响画质。此外,如今雾霾等天气状况频频出现,导致拍摄的图像中存在雾,这些雾降低大气的能见度,使拍摄的景物图像发生降质退化,这将会严重影响户外图像的采集的质量。因此,为了图像更好的分析使用拍摄的图像数据,深入研究去噪去雾算法有着非常重要的现实意义。传统的空间域图像处理算法中使用的邻域多为正方形,而现实图像中像素点的邻域存在各种各样的形状,传统算法不能很好的适应邻域多样化的特点。本文首先提出了基于邻域聚类的图像去噪算法。该算法重点在于生成一个动态的邻域,然后集成邻域中像素的信息并完成去噪。该算法取得了良好的去噪效果,相对于传统的空间域去噪算法,峰值性噪比显著提高。但考虑到基于邻域聚类的图像去噪算法所生成的邻域不具有的整体性和一致性,每个像素的邻域受到像素本身的影响很大,本文又提出了分块聚类图像去噪算法。该算法在基于邻域算法的基础上进行改进,相邻的像素点邻域不再由单个像素点决定而是由图像分块决定。这样可以避免当像素点是一个噪点,其动态邻域的形成会减弱去噪效果的现象。在图像去雾方面,本文提出了基于分块聚类的去雾算法。该算法首先根据图像的内容完成分块聚类,然后估计雾的像素值参数以及不同区域的雾的厚度,最终减弱图像中的雾的影响。本文给出了算法去雾的效果对比图,实验显示基于分块聚类的去雾算法对于减弱图像中的雾气有显著效果。