直方图均衡算法是典型的图像增强算法，其基本思想是把原始图像的直方图变换为均匀分布的形式，从而增加图像灰度的动态范围，达到增强对比度的效果[1]。但在非均匀光照情况下，直方图均衡算法容易出现过度增强的现象，例如白化现象，导致增强后图像视觉质量较差。因此，人们提出了很多改进算法。25576
为了克服增强后的图像亮度均值偏移过大，并导致过度增强以及产生人工痕迹的缺点，国内外学者们在保持图像亮度上做了大量研究。例如，Kim[4]在 1997 年提出了双直方图亮度保持直方图均衡化算法（BBHE），它以原始图像灰度均值作为直方图的分割阈值，将直方图一分为二，然后再分别对得到的两个子直方图进行直方图均衡处理，再将处理后的子直方图合并到一起。类似地，Wang等人[5]提出了等面积双子图像直方图均衡化算法（DSIHE），与 BBHE 的不同之处在于它以原图像的灰度中值作为分割阈值对图像直方图进行分割。随后， Chen 和 Ramli[6] 提出了最小亮度误差直方图均衡算法（MMBEBHE），它将从0 到 L-1（L 是灰度级数量）之间所有可能的分割点分别作为分割阈值进行尝试，选择增强后图像与原始图像亮度误差最小的分割点作为分割阈值，从而在双直方图处理中实现相对较好的亮度保持。不久之后，Chen 和 Ramli [7]又提出了递归地进行均值分割的直方图均衡化算法（RMSHE），随后，Sim 等人[8]提出了中值分割的递归子图像直方图均衡化算法（RSIHE），这两个增强算法分别是BBHE算法和DSIHE算法的形式推广，随着迭代次数的不断增加，分割将变得越细，输出图像也将越接近原图像，对比度调节也随之越小，增强效果也相应减弱，因而需要选择一个合适的迭代次数，才能得到较好的增强效果。论文网
在对直方图进行直方图均衡处理的过程中，对比度的增强程度和直方图有着直接的关系，直方图中的峰值区域往往对均衡过程起着支配作用，因此，限制局部直方图的高度可以很好地限制局部对比度的增强幅度，从而在一定程度上减弱局部对比度的过增强以及限制噪声的放大。近年来，很多学者根据限制增强率的概念提出了基于直方图峰值剪切的算法，例如chen[9]等人在2009年提出的带有峰值剪切的双直方图均衡数字图像增强算法(BHEPL)，BHEPL算法选择灰度在直方图中出现次数的均值作为剪切阈值对直方图进行峰值剪切，然后进行直方图分割并进行均衡化。随后，基于BHEPL，Chen[10]又提出了采用中值的峰值剪切双直方图均衡算法（BHEPLD），选择灰度在直方图中出现次数的中值代替均值对直方图进行峰值剪切。Ooi[11]在研究和比较了通过选取中值或均值进行峰值剪切和直方图分割的各种组合算法的结果后，提出一种基于亮度保持的峰值剪切直方图均衡算法（BPPLHE），先将直方图通过中值进行分割，再对子直方图选取各自的中值进行峰值剪切，然后进行直方图均衡化处理，可以获得中值与均值的几种组合方式中较好的增强效果。之后，Jing等[12]又提出基于双子直方图的自适应峰值剪切直方图均衡算法，选择灰度在子直方图中出现次数的均值和中值的较小值对子直方图进行峰值剪切。而Kuldeep等人[13]提出的基于子直方图的中值均值峰值剪切直方图均衡算法（MMSICHE），是一种多子直方图均衡，先用灰度在直方图中出现次数的中值将直方图进行峰值剪切，然后将剪切后的直方图通过中值将直方图分割为两个子图，再对子直方图分别用在直方图中出现次数的均值进一步分割子直方图，从而得到四个子直方图，再对四个子图分别作均衡化处理，最后进行融合。
为同时利用局部与全局信息，吴京辉等人[14]提出了一种能够整合局部细节与全局信息的自适应图像增强算法（LGA），该算法采用邻域伽马校正对图像亮度进行非线性增强，结合了图像的局部细节，利用局部对比度与全局对比度的比例信息自适应地确定伽马系数，能有效减弱全局信息对局部对比度的影响，为解决可能存在的过增强和噪声问题，提出区域相似性判断的直方图统计方法，对直方图的突起部分起到平滑效果。为保持细节信息，Yun[15]等人提出一种直方图均衡与拉普拉斯金字塔融合框架下的图像增强算法，在增大直方图中的小波峰后，根据直方图特征对直方图作斜切来调节增强率，接着做均衡化处理，然后再加上图像的细节增强信息。 图像增强算法国内外研究现状:http://www.youerw.com/yanjiu/lunwen_19423.html