图像是人类感知世界的一种重要信息。因此,图像信息也是人类日常生活,生产消费,科学研究中接触到的最直接和最直观的信息,其应用领域必然涉及到人类生产生活和工作的各个方面。但是由于图片的拍摄环境,传输干扰,存储误差,人为操作失误等一系列原因,从而降低人们对图片的识别度,对于后期的处理和应用造成了一定的困难。这样的结果使得一幅图片的质量往往不尽人意。但中值滤波,平均平滑,同态滤波和直方图均衡化的算法的应用使得图像效果增强而且改善了图像的外观,增强了低亮度图像的细节,使得增强后的图片的灰度范围更加宽泛,对比度有了较好的提升。其中全局直方均衡化是一个被广泛应用的对比度增强方法。但是由于其作用在整张图片上,使得图片各部分无差别的拉伸,在细节增强的同时也不可避免的导致了噪声的放大和图片亮度的改变。从而使得图片整体上失真,甚至于图片质量的下降。为了克服上述缺点,本文提出了一种分区直方均衡化的方法,利用最大类间方差法首先对原始图像进行分区,对于分区后图像中不同分区的特征信息再采取不同的拉伸度。在随后的实验中证明了本文所提出的分区直方均衡化算法有效的克服了在全局增强算法中出现的局部的过增强和欠增强效应,以及噪声放大的效应。使得原始图像在得到整体对比度提升的同时保持了原有的真实度。随后的实验中又发现在处理光照不均衡的人脸图片工程中,由于阴影部分与高亮部分的差异性过大,因此使用最大类间方差分区之后的会使高亮部分和阴影部分处于不同分区之中,经过上述提出算法会进一步压缩阴影区域的灰度范围,加大高亮区域的灰度范围,从而导致两部分的差异在增强之后的图像中进一步扩大。这样增强后的图片无论是在后期的处理或使用中都具有一定的困难性。尤其应用在目前的人脸识别算法上更是不尽人意。为了解决这样的问题,在进行分区直方均衡化之前加入了伽马校正算法,使得原始图片的阴影部分与高亮部分的差异得到均衡,保证增强后图片可以给观看者带来良好的视觉感受。为了克服这样的现象,本文同时结合伽马校正使得增强后的图片更利于人类视觉特点。结果表明,该算法通过分区增强的方法在细节和视觉真实度方面优于其他相关算法。