一般來說， 圖像對比度的可用較爲常見的兩種方法進行增強處理， 分別爲間接對比度增強方法是直方圖拉伸方法和直方圖均衡化 (Histogram Equalization， 簡稱 HE)方法。 對於直方圖均衡化而言， 圖像灰度改變的是通過累積函數來實現的，以此達到增強對比度的效果。 其基本的操作步驟的核心思路即， 對原始圖像的非均質化拉伸處理，使其像素值間距擴張，均勻化各灰度範圍的像素量。
這種方法也存在一些缺點：
(1) 增強後圖像的灰度級會變少，部分細節會消失；
(2) 當輸入圖像的直方圖有非常密集的部分時，增強後的圖像的對比度會增強過度。
通過直方圖均衡化， 圖像的亮度可以更好地分佈在直方圖上， 讓圖像更易於觀察。 用這種方法來增強圖像局部的對比度就不會使圖像整體的對比度產生影響，直方圖均衡化通過有均衡亮度密集的區域來實現這種功能。
直方圖均衡化對增強背景太亮或者前景太暗的圖像有很好的效果， 尤其是增強 X 光圖像中清晰度較差的骨骼結構以及曝光過度和曝光不足的圖像中的細節信息。 這種方法具有一個特殊優勢是它的直觀性和可逆操作性， 若均衡化的函數是已知的， 則可以構造出初始的直方圖。 但該方法的缺點也很明顯， 即必須對所有的數據進行分析，這就可能會增加背景的對比度並且降低有用信息的對比度。
圖像的直方圖可以表現出圖像像素值的分佈規律。 由於圖像是由大量像素組建而成，因而可以將像素分佈的直方圖進行列表統計來對其特徵進行分析研究。直方圖對圖像特徵的提取和確定其相似度上都具有巨大的貢獻， 它能通過對不同區間的像素值分佈特徵進行整體上的調整， 優化其灰度分度， 進而達到增強圖像的視覺感。
直方圖與圖像清晰度的有如下關係：
(1) 亮度不足，即代表其在直方圖中主要位於像素值較小區間 ；
(2) 亮度高，即表示其在直方圖中主要位於像素較大區間；
(3) 灰度級隨對比度的降低而降低，且中間水平的灰度級是主要信息的儲存區；(4) 灰度級隨對比度的升高而升高，且主要信息呈均勻化分佈。
直方圖均衡化的基本思想是使輸入圖像的直方圖分佈變的均勻， 這樣就會使圖像的灰度級增加， 從而可達到圖像對比度整體增強的效果。 假設未處理前的圖像在二維座標系當中， 令其灰度值在 (x,y)處爲 f， 處理後其灰度值爲 g， 則可認爲當 f 轉變爲 g 時，就實現了對圖像效果的增強。綜上，可將其轉換函數表示爲：g=EQ(f)，這個映射函數 EQ(f)必須滿足兩個條件 (其中 L 爲圖像的灰度級數 )：
(1) 爲使輸入圖像的灰度排列不被打亂，在區間 0≤f≤L-1 內， EQ(f)必爲單調遞增函數。
(2) 爲使轉換前後灰度不發生動態變化，當 0≤f≤L-1 時，必有 0≤g≤L-1。
HE 方法如下：
(1) 設 f、 g 分別爲輸入圖像和增強處理後的圖像。
HE 方法第一步如圖 2-1 所示。計算輸入圖像 f 的灰度直方圖，設爲 h。 h 爲一個 256 維的向量。
(2) HE 方法第二步如圖 2-2 所示。求出輸入圖像 f 的像素總數：
式(2-1)(m， n 分別爲圖像的長和寬 )
不同灰度級範圍內的像素量佔整個圖像的比例可表示爲：
(3) HE 方法第三步如圖 2-3 所示。計算圖像的灰度級的累計分佈 hp：
(4) HE 方法第四步如圖 2-4 所示。求出增強圖像 g 的灰度值：
圖 2-5 展示了直方圖均衡化的結果圖，上述方法處理前後的直方圖對比。從圖中可以發現， 前後的直方圖有很大的變化， 增強效果非常明顯， 清晰程度與對比度增強。
直方圖均衡化方法是一種十分有效的增強方法， 它對於景物中輪廓背景鮮明，即亮度或暗度明顯的圖像非常有效果。 但是這種方法對所處理的圖像的信息不做區分， 這會導致增加複雜背景的信息， 並且對需要增強的部分也有影響， 會降低其對比度。 將直方圖均衡化方法應用於圖像去霧問題， 雖然可以取得一定的增強效果，但是去霧後的整體視覺效果並不算理想。
彩色眼底圖像及其直方圖均衡化處理結果示例如圖 2-6 所示。
參考：
[1] https://wenku.baidu.com/view/03c54c02760bf78a6529647d27284b73f342368b.html