文献综述
本课题的现状及发展趋势：
图像增强是图像处理中的一个重要领域，它是指我们在特定场合，具有目的性的去对图像的某些特征如边缘、轮廓、对比度等进行强调，以便于显示、观察或进一步分析与处理。而在众多的图像增强处理方法中，直方图均衡化是常用的方法之一，原因就在于它的简单性和有效性，它能有效地将图像的亮度和清晰度提高。
首先介绍灰度直方图的定义。灰度直方图反映了数字图像中每一灰度级与其出现频率间的统计关系。它的横坐标是图像的各灰度级，纵坐标是各个灰度出现的像素个数，它能描述该图像的概貌，对图像的采集和进一步处理提供了重要依据。再介绍直方图均衡化。直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值进行展宽，而对像素个数少的灰度值进行归并，从而达到清晰图像的目的。如果图像的灰度分别集中在较窄的区间，从而引起图像细节的模糊，为了增强图像，可通过改善各部分亮度的比例关系，即通过直方图均衡化的方法来实现。根据原图像的直方图统计值就可算出均衡化后各像元的灰度值。直方图上灰度分布较密的部分被拉伸，灰度分布较稀疏的部分被压缩，使图像对比度总体上得到增强。
直方图均衡化作为一种常用的图像增强技术，其优点是能自动地增强整个图像的对比度，但它的具体增强效果不易控制，处理的结果总是得到全局均衡化的直方图；而且对于某些灰度较小的区域，对比度将被削弱甚至消除。这就会造成某些细节的消失以及图像的某些地方被过度地增强。所以它很少被应用于电子产品，比如TV。因此，众多学者提出了改进方法以满足不同要求。为使图像亮度均值在均衡后保持不变，Kim提出了保持亮度的双直方图均衡（BBHE），根据原图像的亮度均值将图像划分为2个图分别进行均衡；其后Wang提出了二维子图双直方图均衡算法（DSIHE），利用图像中值为分割阈值使图像的熵值最大；接着Chen提出最小均方误差双直方图均衡（MMBEBHE），使输出图像的亮度均值与原始图像的亮度均值误差最小；为了在保持图像亮度的同时保证图像的熵值最大，Wang提出了基于熵值最大化的保持亮度直方图均衡算法（BPHEME）。
本课题的价值：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
