“直方图”均衡化图像增强技术研究综述

“直方图”均衡化图像增强技术研究综述

丁

畅，董丽丽，许文海

DINGChang,DONGLili,XUWenhai

大连海事大学信息科学技术学院，辽宁大连116026

SchoolofInformationScienceandTechnology,DalianMaritimeUniversity,Dalian,Liaoning116026,China

DINGChang,DONGLili,XUWenhai.Reviewof“histogram”equalizationtechniqueforimageenhancement.ComputerEngineeringandApplications,2017,53（23）：12-17.

Abstract:Equalizationisequaltouniformdistribution,imageenhancementalgorithmsdirectedbytheequalizationideologyhaverichconnotation,profoundsignificance,wideapplication.HistogramEqualization（HE）isrepresentativestronglyinthefieldofimageenhancement,onthebasis,inrecentyears,researchershaveexpandedtheapplicationsofequalizationideologyinthefieldofimageenhancement.However,thereislackofthereviewingpaperaboutHEforimageenhancementwhichcancomprehensivelysummarizeHErelatedtechniques,thispaperconsiderstheequalizationideologyasthemainline,theimprovedworkisclassifiedinto5kindsoftechniques,meanwhile,thetypicalalgorithmsofeachtechniqueareanalyzed,finally,theprobableresearchdirectionsinfuturearepointedout.

Keywords:imageenhancement;histogramequalization;sub-histogramequalization;histogrammodification;variationtechnique;localhistogramequalization;gradientdomain;waveletdomain摘

要：均衡化即等可能分布，以均衡化指导思想的图像增强方法内涵丰富，意义深远，应用广泛。直方图均衡化

（HistogramEqualization，HE）算法在图像增强中具有很强的代表性，近几年研究人员在此基础上又进一步拓展了均衡化思想在图像增强领域的应用。不过，目前缺乏针对直方图均衡化技术较为全面的综述评论性文章，以均衡化思想为主线，对于相关改进工作，分为五类技术，并分析了各类技术的典型算法，最后指出了今后可能的研究方向。关键词：图像增强；直方图均衡化；子直方图均衡化；直方图修正；变分技术；局部直方图均衡化；梯度域；小波域文献标志码：A

中图分类号：TN911.73

doi：10.3778/j.issn.1002-8331.1710-0031

1引言

在图像分割中的应用，韦伯梯度方向直方图[7]在人脸识直方图均衡化[1]（HistogramEqualization，HE）技术

别上的应用，方向梯度直方图在目标检测中的应用[8]可以在图像增强[2]、光照补偿[3]、图像去雾[4-5]多个领域取等。综合以上分析，对于直方图均衡化图像增强技术的得很好的效果，可见其应用范围广。许多关于图像增强回顾与总结至关重要。

算法的论文在结果对比中选取了HE算法，可见直方图均衡化技术代表性强。近三年内有很多研究人员致力2关于经典HE算法的几点认识

于HE增强算法的研究及改进，国内外很多期刊都报道关于直方图均衡化前后灰度值变化以及灰度值对

了HE增强算法的研究及改进工作，可见直方图均衡化比度变化的分析见文献[9]，结合大量对经典HE算法的技术关注度高、潜力大。同时直方图也是一幅图像的重改进工作以及对HE相关算法的大量实践，本章中总结要属性，可定量描述数据的统计特征，在图像工程中也了HE经典算法的主要优缺点。

有很重要的应用，如改进的灰度-局部方差二维直方图[6]

主要优点：经典HE算法本质为灰度级经某种变换，

基金项目：国家科技支撑计划课题（No.2014BAB12B03）；国家自然科学基金（No.61501077）；中央高校基本科研业务费专项资金（No.3132016351）。

作者简介：丁畅（1988—），男，博士生，研究领域：图像处理，数据挖掘；董丽丽（1980—），女，通讯作者，博士，副教授，研究领域：图

像处理，光电信息与光电检测，E-mail：1147776326@qq.com；许文海（1956—），男，博士，教授，研究领域：图像处理，光电信息与光电检测。

收稿日期：2017-10-11

修回日期：2017-11-24

文章编号：1002-8331（2017）23-0012-06

丁畅，董丽丽，许文海：“直方图”均衡化图像增强技术研究综述2017，53（23）13

使结果的灰度级的分布呈现近似均匀分布，其灰度值像显著性区域的计算方法。

“均衡化”机制可在不同类别的图像都可以取得相对满3.2递归子直方图均衡化技术

意的对比度增强效果。

递归子直方图均衡化技术是子直方图按照2r多次

主要缺点：（1）经典HE算法总会引起大量灰度级合分解技术，r代表递归次数，利用前次得出子直方图的

并，增强结果的局部区域细节下降，块状效应明显，背景平均值或者中位数多次分解，随着递归次数的增多，其和目标轮廓模糊等。（2）HE算法处理后的结果平均灰度结果越来越接近原图的平均亮度。该技术代表性算法值为固定值，存在一些局限性，会发生平均灰度值的迁如RMSHE算法[15]和RSIHE算法[16]，该项技术的优点在移，不能满足电子类产品的增强需求。（3）经典HE算法于可调节递归次数，缺点为增强效果受参数制约过大，灰度值映射函数单调不减，带来一些局限性，同时算法且随着r的提高，对原图的增强效果变得不明显。近年未考虑图像像素的空间位置和邻域信息，存在一些盲提出的EDSHE算法[17]分析了上述的弊端，注重研究了目性。

子直方图区间范围的选取对结果的影响，并提出了按信息熵动态分解方法，其子直方图分解的个数可以不均3子直方图均衡化技术

匀，优势在于不用事先指定分解次数，整个算法无参数，双直方图及多直方图均衡化技术是首先选取合适

但需以多次计算子直方图信息熵为代价。

的灰度值阈值将原图直方图分割成若干个子直方图，然3.3动态子直方图均衡化技术

后分别对子直方图进行均衡化，最后分别计算每个区间动态子直方图均衡化技术主要考虑原图直方图的

内的映射函数，得出增强之后的结果。基于此类技术提曲线分布情况，其分解的子直方图按曲线变化趋势确出的增强算法很多，且大多是为了做到保护原图像亮度定，分解个数并不事先指定。一般来讲，自然图像灰度下的对比度增强，即增强结果与原图相比的AMBE尽可级频率前后变化不大，整体来看直方图的频率分布很接能小，而增强结果自身的信息熵与对比度尽可能增大，近于一个曲线，灰度级分布的这一特点为此类技术创造同时此项技术可有效解决经典HE算法灰度级个数减小了条件。该技术的特点是充分考虑了原直方图的分布和平均亮度迁移问题。该项技术可以大体上分为三类，曲线的变化，根据曲线的上升和下降的趋势较为有针第一类是双直方图均衡化技术，第二是递归子直方图均对性地选取合适的区域，比较典型的有DHE算法[18]和衡化技术，第三类是动态直方图均衡化技术。

BPDHE算法[19]。

3.1双直方图均衡化技术

双直方图均衡化技术是将原始直方图分解为两段

4修正的直方图均衡化技术

直方图，而后将这两段直方图分别做均衡化处理。一般修正的直方图均衡化技术主要对于原直方图的频

使用双直方图均衡化技术都是通过选取不同的阈值使率进行修正，因为HE增强结果的灰度级与灰度级对比增强结果达到某些特殊的效果，如增强结果有最大信息度取决于该灰度级下的累积分布函数与灰度级的频率熵，与原图亮度更加接近等。该项技术以BBHE算值，一般来讲，低频率的灰度级易发生灰度级的合并，高法[10]，DSIHE算法[11]和MMBEBHE算法[12]为代表。频率灰度级容易发生过度增强，这样可以对原直方图进BBHE算法的提出对于直方图分解技术属于开创性工行修正，用新直方图进行均衡化去间接控制增强结果。作，MMBEBHE算法属于BBHE算法的改进，目的在于当前工作可归纳为直方图剪切技术与直方图频率加权最大程度保持原图亮度，其增强效果通常会很好，该技技术，流程图如图2所示。

术的流程图如图1所示。

4.1直方图剪切技术

近年来按照此类技术提出的算法都结合了图像分直方图剪切技术主要是对于某些高频率灰度级的

析，如BBPHE算法[13]将图像分成背景区域与目标区域，限制技术，该项技术以BHEPL算法[20]为代表，若某些灰或是DOTHE算法[14]将图像分成纹理区域与平滑区域。度级频率高于设定的阈值，则被设定的阈值取代，直方仅对目标区域或者是纹理区域做均衡化处理可解决背图重新做归一化，而后将新直方图做均衡化处理，这样景与目标模糊的问题。文献[14]较为具体地给出了图

均衡化过程中对比度过度增强的问题可以避免，此项技

输入图像选定阈值确定区间求子直方图分布子直方图均衡化增强结果图1

子直方图均衡化的图像增强技术流程图

输入图像统计像素直方图修正归一化新直方图HE增强结果图2修正的直方图均衡化技术流程图

142017，53（23）ComputerEngineeringandApplications计算机工程与应用

术形象地可称之为直方图剪切技术，直方图剪切技术在BPHEME算法[27]为此项技术的典型算法。该算法后来的应用中很广泛，许多新算法的提出都包含了直方目的在于借鉴变分的观点，利用直方图规定化的手段使图剪切技术，如MMSICHE算法[21]和ESIHE算法[22]同时增强结果在保持原图亮度的同时，有最大信息熵，该算应用了子直方图均衡化技术和直方图剪切技术。

法将直方图频率总和为1与平均亮度与原图相同设定为4.2直方图频率加权技术

约束条件，将信息熵最大设定为目标函数，然后求取该直方图频率加权技术注重HE算法的增强结果与灰

泛函的极大值并计算出目标直方图函数，最后按照HS度级频率的关系，通过调整原始频率，达到想要的效果，的数值映射准则求出灰度值的转换函数，得出算法结该技术的典型算法为WTHE算法[9]，采取了频率的阈值果。该算法的实验结果在保护亮度方面比MMBEBHE和频率调整技术，通过设定了两个高低阈值，对于频率要好，同时可以做到保留原图局部的细节但计算的复杂较高的灰度级和频率较低的灰度级采取降低频率的方程度要比MMBEBHE算法高很多。

式，而对于介于两者之间的灰度级通过伽马校正来提高其频率值，且频率总和仍然为1，这样做一次均衡化得出6局部直方图均衡化的图像增强技术

的增强结果，比传统的HE算法结果视觉效果要好很局部直方图均衡化技术（如图4）（LocalHistogram

多。WHE算法[23]将HE结果的灰度值与当前灰度值设Equalization）针对于经典HE算法局部细节退化的问题定比例加权得出最终结果，使HE变化结果只占有一定提出，该技术主要对原图像在空间上的分为若干个子块比例，（该算法原理上与WONG等[24]提出的算法很接（各子块之间可以重叠），每块做均衡化处理，这样结果近，WONG等通过原图与HE结果加权来改善HE增强更加倾向于图像局部区域的灰度值分布，算法的优点主的效果），权重通过累积分布函数的变化程度来决定，要表现在图像局部细节的提升特别有效，该类技术的特WHE算法与WTHE算法相比在控制增强率方面更加直点为均衡化过程易实现，关键在于如何避免块效应。观，参数来源于图像的累积分布函数，实现了自适应，LHE算法结果依赖于子块的选取与子块的移动方式，因WTHE算法需要根据实验结果进一步调整，自动化程度此该算法的研究关键技术在于图像子块的选取及移不如WHE算法。

动。根据块选取方式的不同可分为不重叠子块，重叠子近年研究人员在直方图频率加权技术的改进主要为块和部分重叠子块，不重叠子块对于各块的均衡化次数引入伽马函数来修正已有的累积分布函数，如AGCWD很少，但块效应的问题十分明显，研究重点在于采取有算法[25]，IEAGCCH算法[26]在AGCWD算法基础上做出效的方法避免很明显的块效应；重叠子块计算次数过改进，采用了几组不同的伽马函数参数对累积分布函数多，且很多计算都无意义，程序运行时间过长，对于这种做出局部修正，增强效果更好，该技术各个算法的共同方式很少使用；部分重叠子块的局部均衡化技术计算次特点在于均衡化处理次数只有一次。

数少，增强结果较为理想且块效应容易避免，基于此类技术的研究工作很多。

5基于直方图变分规定化的图像增强技术

POSHE算法[28]是部分重叠子块局部均衡化技术最直方图变分技术是一种将图像处理理论与最优化

为典型的算法，该算法采用了子块部分重叠的方式，该理论、泛函分析相结合的方法。该项技术将目标直方图算法对于图像细节的增强十分有效，部分均衡化之后的作为目标函数，按照图像处理理论令目标函数达到某些结果会有少许块状效应出现，文中提出了用均值滤波器要求，然后用最优化方法求出该函数的解，最后按照直查找并消除块效应的方法（BERF）。ABMHE算法[29]是方图规定化[1]（HS）规则计算出灰度级映射函数，得出增基于POSHE算法的改进，主要用于红外图像的细节增强结果。此类技术的特点为事先不考虑原直方图的频强，该算法根据图像梯度值数值大小的比例，事先认定率分布，只需按照所设定的条件求解出目标直方图，不图像的活跃区域，不活跃区域和一般区域，较为有针对过在最优化的过程中涉及到的数学计算一般会很复性地在图像中选中局部区域，而后进行局部均衡化，算杂，此类技术相关算法很少，该项技术的流程图如图3法的细节增强效果比POSHE算法要好，但需要增加图所示。

像区域的先验计算过程。CMBFHE算法[30]在POSHE算

构建关于直方图的泛函表达式变分法直方图函数HS增强结果图3

基于直方图变分规定化的图像增强技术流程图

输入图像图像分块HE局部均衡化采取消除块效应措施等增强结果图4局部均衡化技术流程图

丁畅，董丽丽，许文海：“直方图”均衡化图像增强技术研究综述2017，53（23）15

法的基础上构建级联滤波器来消除块状效应，算法的效复原过程中又提出了矩阵变换法。ZHAO等[34]提出了率比POSHE算法高很多，且计算复杂度明显减少。

一种基于梯度场规定化的图像增强方法，针对于红外图LIU等[31]在子块不重叠基础上提出一种“直方图灰像细节不突出问题，主要采取利用双峰高斯函数与原梯度级个数保护机制”的局部均衡化方法，图像分为若干度幅值直方图加权的方式建立目标梯度幅值直方图，这子块后，子块内的直方图分布特点为占有的灰度级个数样做的目的是扩展梯度直方图的动态范围，而后利用很少，且灰度级通常在一小段范围，这样均衡化机制可HS规则计算变换后的梯度值，构造目标梯度场，从而重以做适当改变，经典HE转换函数主要取决于灰度级的建出增强结果，该算法为梯度域直方图规定化技术较为累积个数，LIU等建议局部均衡化转换函数为非零频率典型的方法。

灰度级个数的累积，这样做到了直方图非零频率灰度级小波域均衡化方法主要通过均衡化小波系数来完个数的保护（整个图像均衡化处理下不宜采用这种机制成。一般来说，图像的边缘、噪声、细节对应于小波变换计算灰度级转换函数，因为一幅图像的直方图分布通常后的高频系数，图像的整体轮廓对应于小波变换后的低占据所有灰度级）。在消除块效应的措施上，考虑的是频系数，此类技术一般只对低频系数做均衡化处理，若邻近四块该灰度级映射结果的加权，权重设置考虑了像对于高频系数做均衡化常会出现过度增强或噪声显著素点在当前块的空间位置，可很好地消除块效应，相对的问题，如文献[35]提出的小波域分段均衡化方法，可于POSHE算法的均衡化次数可得到很大程度上的缩很好地增强医学图像。另外，小波域变换更能考虑图像减，但在权重的求取方面需要对图像整体像素点全部遍的局部特性，经典HE算法的结果造成的局部细节的丢历，这就需要额外的计算量。

失，可通过小波变换的方法加以弥补[36]。

7基于变换域均衡化的图像增强技术

8总结与展望

基于变换域均衡化的图像增强技术，主要包括梯度

本文将以上五类技术的逻辑思路，技术特点，适用

域均衡化的图像增强技术和小波域均衡化的图像增强场景，增强效果，评价指标的选取以及运算成本方面的技术。图像梯度域类似于图像频率域，主要反映了图像总结归结为表1。本文标题中“直方图”加注引号，指更的细节信息，将直方图均衡化或规定化方法引入梯度域为广义的概念，因为描述图像中具有统计意义量的频率可以使图像细节均匀地体现，对于图像的细节增强特别都可以称之为直方图。同时，本文认为关于直方图及直有效，这项技术涉及到的复原过程也是难点，该项技术方图均衡化技术今后可能的研究方向如以下几点：

的流程图如图5所示。小波域均衡化指通过二维离散（1）自然图像直方图的变化规律十分接近于某一曲小波变换将图像变换至小波域，通过均衡化小波系数，线，这样可研究制定一些准则找出直方图频率分布的某并完成重构得出最终结果，该项技术的流程图如图6些特征点来刻画或拟合直方图曲线，就可以很直观地反所示。

映直方图频率的变化，这可以使子直方图均衡化阈值的文献[32]针对于许多受光照影响较大图像纹理细选取更加准确。

节消失的问题，提出了梯度场均衡化的图像增强方法，（2）研究HE过程中灰度级发生合并的条件。目前文中指出细节消失的图像主要原因在于梯度没有得到灰度级频率越低在HE过程中越容易发生灰度级的合有效的放大，采取梯度域均衡化方法可以将梯度值在不并，尚无准确的数学描述，如给出HE过程中灰度级发生同的灰度级等可能地展现出来，达到图像细节增强的效合并的条件，可很好地推进修正的直方图均衡化技术的果。对于图像新梯度场的建立要保持原有方向不变，新发展。

梯度值为根据HE规则映射后的梯度值，最后利用最小（3）对于不重叠子块局部均衡化技术关键在于如何二乘法对目标梯度场的复原可以重建出增强结果。更消除较为明显的块状效应，可考虑图像整体HE算法和进一步，文献[33]注意到了梯度场幅值直方图偏态的分局部区域HE算法结合的方式来制定更为有效的算法，布特性，将双直方图均衡化方法引入梯度域，在梯度场

因为整体HE灰度值变化考虑图像整体灰度值的分布，

输入图像差分计算原梯度场梯度幅值直方图均衡化或规定化目标梯度场重建算法增强结果图5

基于梯度域均衡化和规定化的图像增强技术

输入图像小波分解小波系数均衡化均衡后的小波系数小波重构增强结果图6基于小波域均衡化的图像增强技术

162017，53（23）ComputerEngineeringandApplications计算机工程与应用

表1

基于HE方法的各类改进技术总结

均衡化技术类别逻辑思路技术特点

适用场景增强效果评价指标的选取运算成本

在直方图选取合宜采用有参考评适的阈值，按灰度阈值一般参照直亮度保护下的图

此类技术在保护级范围划定区间，像对比度增强，满原图亮度的基价指标（PSNR或前期阈值的选取子直方图均衡化

方图变化规律等技术

分别进行均衡化特点选取,实现了足消费类电子产础上，对比度得AMBE）与无参考需要大量分析及处理。此类技术灰度值在指定范品的增强需求，一到增强。一般评价指标（EME计算，均衡化次的难点在于阈值围内的均衡化

般不能用于图像来讲，增强结果或信息熵等）联合数通常需要几次

的选取

细节的丰富

的灰度级个数评价。如PSNR一般比原图少

越小，EME[37]越大算法结果越理想

通过修正直方图频率值或修正累对原直方图频率积分布函数的方同上（图像结果前期的自适应参修正的直方图均

或对累积分布函衡化技术

式间接控制算法数进行修正，均同上

的亮度与对比数选取需要计结果的增强程度。衡化次数一般只度通过参数较同上

算，均衡化次数此类技术的难点有一次

为容易调整）

只需一次

在于修正的方法首先设定目标直预先指定增强结方图，按照某些约果的目标直方该算法结果在目标直方图的计直方图变分规定

束条件或达到某图，对于原始直保护原图平均化技术

种目的来计算直方图不用过多考同上

亮度方面要好，同上

算过程很复杂，后方图，最后利用直虑，且最后根据且信息熵会得续需要一次直方方图规定化的方法目标直方图做出到提高

图规定化的计算

来计算增强结果灰度级变换按图像空间位置，图像细节增强（尤图像细节会明将图像分块，各块针对于不同空间显变丰富宜采用无参考图分别均衡化，最后位置区域做局部其是局部细节增（灰度像质量评价，如均衡化次数通常局部直方图均衡

采取相应措施消均衡化处理，充强），梯度域规定级个数会变得EME，平均梯度，会很多，但一般化技术

除块效应。此类分考虑图像局部化方法对于红外丰富，信息量增加），但是平均信息熵。指标值涉及到的阈值和技术难点在于块信息

图像的细节增强亮度通常会发越大则图像细节参数少

效应的消除也非常有效生改变

越丰富

将图像空间域变换至其他域，如梯图像细节增强（梯该技术在变换域度域或小波域，然度域规定化可用到时域的转换过基于变换域均衡

后应用直方图均在变换域内采用于红外图像的细程，一般用到最化技术衡化或规定化方均衡化方法

节增强，小波域均同上同上

小二乘法，或制法。此类技术的衡化还可用于医定有效的算法实难点在于变换域学影像增强）

现，这部分涉及的的复原

计算一般较复杂

可在此变化的基础上结合局部分布特点做相应的微调，图图像分割[J].计算机工程与应用，2017，53（4）：209-213.可能会取得较为理想的增强效果。同时对于局部均衡[7]杨恢先，唐金鑫，陶霞，等.基于韦伯梯度方向直方图的人

化技术子块的选取形状不一定是严格方形，任意形状的脸识别算法[J].计算机工程与应用，2017，53（15）：200-205.子块对于图像纹理区域或平滑区域的划定更有针对性。

[8]刘方园，王水花，张煜东.方向梯度直方图综述[J].计算机

工程与应用，2017，53（19）：1-7

参考文献：

[9]WangQ，WardRK.Fastimage/videocontrastenhance-mentbasedonweightedthresholdedhistogramequaliza-[1]章毓晋.图像处理[M].3版.北京：清华大学出版社，2012.tion[J].IEEETransactionsonConsumerElectronics，[2]PariharAS，VermaOP，KhannaC，etal.Fuzzy-contextual

2007，53（2）：757-764.

contrastenhancement[J].IEEETransactionsonImage[10]KimYT.Contrastenhancementusingbrightnesspre-Processing，2017，26（4）：1810-1819.

servingbi-histogramequalization[J].IEEETransactions[3]梁琳，何卫平，雷蕾，等.光照不均图像增强方法综述[J].计

onConsumerElectronics，1997，43（1）：1-8.

算机应用研究，2010，27（5）：1625-1628.

[11]WangY，ChenQ，ZhangBM.Imageenhancement

[4]何林远，毕笃彦，熊磊，等.基于亮度反馈的彩色雾霾增强

basedonequalareadualisticsub-imagehistogram算法[J].电子学报，2015，43（10）：1978-1983.

equalizationmethod[J].IEEETransactionsonConsumer[5]方帅，赵育坤，李心科，等.基于光照估计的夜间图像去雾[J].

Electronics，1999，45（1）：68-75.

电子学报，2016，44（11）：2569-2575.

[12]ChenSD，RamliAR.Minimummeanbrightnesserror

[6]杨恢先，颜微，谭正华，等.改进的灰度-局部方差二维直方

bi-histogramequalizationincontrastenhancement[J].

丁畅，董丽丽，许文海：“直方图”均衡化图像增强技术研究综述2017，53（23）17

IEEETransactionsonConsumerElectronics，2003，49（4）：weightingdistribution[J].IEEETransactionsonImage1310-1319.

Processing，2013，22（3）：1032-1041.

[13]TanTL，SimKS，TsoCP.Imageenhancementusing

[26]HuangZH，ZhangTX，LiQ，etal.Adaptivegamma

backgroundbrightnesspreservinghistogramequalisation[J].correctionbasedoncumulativehistogramforenhancingElectronicsLetters，2012，48（3）：155-157.

near-infraredimages[J].InfraredPhysics&Technology，[14]SinghK，VishwakarmaDK，WaliaGS，etal.Contrast

2016，79：205-215.

enhancementviatextureregionbasedhistogramequali-[27]WangC，YeZF.Brightnesspreservinghistogramequali-zation[J].JournalofModernOptics，2016（15）：1-7.zationwithmaximumentropy：avariationalperspective[J].[15]ChenSD，RamliAR.Contrastenhancementusing

IEEETransactionsonConsumerElectronics，2005，51（4）：recursivemean-separatehistogramequalizationforscal-1326-1334.

ablebrightnesspreservation[J].IEEETransactionson[28]KimJY，KimLS，HwangSH.Anadvancedcontrast

ConsumerElectronics，2003，49（4）：1301-1309.

enhancementusingpartiallyoverlappedsub-blockhisto-[16]SimKS，TsoCP，TanYY.Recursivesub-imagehisto-gramequalization[J].IEEETransactionsonCircuitsandgramequalizationappliedtograyscaleimages[J].PatternSystemsforVideoTechnology，2001，1（4）：475-484.RecognitionLetters，2007，28（10）：1209-1221.

[29]WangY，PanZB.Imagecontrastenhancementusing

[17]PariharAS，VermaOP.Contrastenhancementusing

adjacent-blocks-basedmodificationforlocalhistogramentropy-baseddynamicsub-histogramequalisation[J].equalization[J].InfraredPhysics&Technology，2017，86：IETImageProcessing，2016，10（11）：799-808.

59-65.

[18]WadudMAA，KabirMH，DewanMAA，etal.A

[30]LambertiF，MontrucchioB，SannaA.CMBFHE：anovel

dynamichistogramequalizationforimagecontrastcontrastenhancementtechniquebasedoncascadedenhancement[J].IEEETransactionsonConsumerElec-multistepbinomialfilteringhistogramequalization[J].tronics，2007，53（2）：593-600.

IEEETransactionsonConsumerElectronics，2006，52[19]IbrahimH，KongNSP.Brightnesspreservingdynamic

（3）：966-974.

histogramequalizationforimagecontrastenhancement[J].[31]LiuB，JinWQ，ChenY，etal.Contrastenhancement

IEEETransactionsonConsumerElectronics，2007，53（4）：usingnon-overlappedsub-blocksandlocalhistogram1752-1758.

projection[J].IEEETransactionsonConsumerElectronics，[20]OoiCH，KongNSP，IbrahimH.Bi-histogramequali-2011，57（2）：583-588.

[32]朱立新，王平安，夏德深.基于梯度场均衡化的图像对比

zationwithaplateaulimitfordigitalimageenhance-ment[J].IEEETransactionsonConsumerElectronics，度增强[J].计算机辅助设计与图形学学报，2007，19（12）：1546-1552.

2009，55（4）：2072-2080.

[33]丁畅，董丽丽，许文海.图像梯度场双区间均衡化的细节

[21]SinghK，KapoorR.Imageenhancementviamedian-mean

增强[J].电子学报，2017，45（5）：1165-1174.

basedsub-image-clippedhistogramequalization[J].[34]ZhaoWD，XuZJ，ZhaoJ，etal.Infraredimagedetail

Optik，2014，124（17）：4646-4651.

enhancementbasedonthegradientfieldspecification[J].[22]SinghK，KapoorR.Imageenhancementusingexposure

AppliedOptics，2014，53（19）：4141-4149.

basedsubimagehistogramequalization[J].PatternRecog-[35]KaurA，SinghC.Contrastenhancementforcephalometric

nitionLetters，2014，36（1）：10-14.

imagesusingwavelet-basedmodifiedadaptivehisto-[23]YunSH，KimJH，KimS.Contrastenhancementusing

gramequalization[J].AppliedSoftComputing，2017，51：aweightedhistogramequalization[C]//2011IEEEInter-180-191.

nationalConferenceonConsumerElectronics，2011：[36]FuJC，LienHC，WongSTC.Wavelet-basedhisto-203-204.

gramequalizationenhancementofgastricsonogram[24]WongCY，LiuSL，LiuSC，etal.Imagecontrast

images[J].ComputerizedMedicalImagingandGraphics，enhancementusinghistogramequalizationwithmaxi-2000，24（2）：59-68.

mumintensitycoverage[J].JournalofModernOptics，[37]AgaianSS，SilverB，PanettaKA.Transformcoeffi-2016，63（16）：1618-1629.

cienthistogram-basedimageenhancementalgorithmusing[25]HuangSC，ChengFC，ChiuYS.Efficientcontrast

contrastentropy[J].IEEETransactionsonImagePro-enhancementusingadaptivegammacorrectionwith

cessing，2007，16（3）：741-758.