La mejora de la imagen de baja iluminación puede proporcionar más información que la imagen original en escenarios de poca luz, por ejemplo, al conducir de noche. Los algoritmos tradicionales de mejora de imagen basados en aprendizaje profundo luchan por equilibrar el rendimiento entre la mejora general de la iluminación y los detalles de los bordes locales, debido a limitaciones de tiempo y costo computacional. Este artículo propone un enfoque de combinación de ecualización de histograma-Retinex multiescala (HE-MSR-COM) que tiene como objetivo resolver el problema de borde borroso de HE y la incertidumbre en la selección de parámetros para la mejora de la iluminación de la imagen en MSR. La información de iluminación mejorada se extrae del componente de baja frecuencia en la imagen mejorada por HE, y la información de borde mejorada se obtiene del componente de alta frecuencia en la imagen mejorada por MSR. Al diseñar pesos de fusión adaptativos de HE y MSR, el método propuesto combina de manera efectiva la información de iluminación y de borde mejorada. Los resultados experimentales muestran que HE-MSR-COM mejora la calidad de la imagen en un 23.95% y un 10.6% en dos conjuntos de datos, respectivamente, en comparación con HE, ecualización de histograma adaptativa limitada por contraste (CLAHE), MSR y corrección gamma (GC).