直方圖均衡化的作用是圖像增強。
有兩個問題比較難懂，一是爲什麼要選用累積分佈函數，二是爲什麼使用累積分佈函數處理後像素值會均勻分佈。
第一個問題。均衡化過程中，必須要保證兩個條件：①像素無論怎麼映射，一定要保證原來的大小關係不變，較亮的區域，依舊是較亮的，較暗依舊暗，只是對比度增大，絕對不能明暗顛倒；②如果是八位圖像，那麼像素映射函數的值域應在0和255之間的，不能越界。綜合以上兩個條件，累積分佈函數是個好的選擇，因爲累積分佈函數是單調增函數（控制大小關係），並且值域是0到1（控制越界問題），所以直方圖均衡化中使用的是累積分佈函數。
第二個問題。累積分佈函數具有一些好的性質，那麼如何運用累積分佈函數使得直方圖均衡化？比較概率分佈函數和累積分佈函數，前者的二維圖像是參差不齊的，後者是單調遞增的。直方圖均衡化過程中，映射方法是
其中，n是圖像中像素的總和，
是當前灰度級的像素個數，L是圖像中可能的灰度級總數。
來看看通過上述公式怎樣實現的拉伸。假設有如下圖像：
得圖像的統計信息如下圖所示，並根據統計信息完成灰度值映射：
映射後的圖像如下所示：
以上就是直方圖映射均衡化的步驟，當然還有一些基於此的更優算法，比如Photoshop中的方法，在此就不一一列舉了，大同小異。
參考：
http://blog.csdn.net/zrongh/article/details/7302816 直方圖均衡化原理
http://bbs.ednchina.com/BLOG_ARTICLE_219471.HTM 直方圖均衡化
項目中遇到要直方圖均衡化，在網上找到如下介紹：
直方圖均衡化算法分爲三個步驟，第一步是統計直方圖每個灰度級出現的次數，第二步是累計歸一化的直方圖，第三步是計算新的像素值。
第一步：
for(i=0;i<height;i++){
for(j=0;j<width;j++){
n[s[i][j]]++;
}
}
for(i=0;i<L;i++){
p[i]=n[i]/(width*height);
}
這裏，n[i]表示的是灰度級爲i的像素的個數，L表示的是最大灰度級，width和height分別表示的是原始圖像的寬度和高度，所以，p[i]表示的就是灰度級爲i的像素在整幅圖像中出現的概率(其實就是p[]這個數組存儲的就是這幅圖像的歸一化之後的直方圖)。
第二步：
for(i=0;i<=L;i++){
for(j=0;j<=i;j++){
c[i]+=p[j];
}
}
c[]這個數組存儲的就是累計的歸一化直方圖。
第三步：
max=min=s[0][0];
for(i=0;i<height;i++){
for(j=0;j<width;j++){
if(max<s[i][j]){
max=s[i][j];
}else if(min>s[i][j]){
min=s[i][j];
}
}
}
找出像素的最大值和最小值。
for(i=0;i<height;i++){
for(j=0;j<width;j++){
t[i][j]=c[s[i][j]]*(max-min)+min;
}
}
t[][]就是最終直方圖均衡化之後的結果。
處理前的圖片：
處理後的圖片：
對於彩色的圖片來說，直方圖均衡化一般不能直接對R、G、B三個分量分別進行上述的操作，而要將RGB轉換成HSV來對V分量進行直方圖均衡化的操作。