图像增强是图像处理领域的一个基本的、重要的研究课题。图像增强的主要目的是改善图像的视觉效果，使处理后的图像比原始图像更适用于特定应用。直方图修正技术就是其中一种常用的方法。直方图修正技术通常有直方图均衡化和直方图规定化两类。直方图均衡化是一种最早也是最常用的图像增强方法，经过直方图均衡化处理后，可以产生更均衡有较好对比度的图像。直方图规定化也是常用的图像增强方法，它用于获得处理后具有特殊直方图的图像，推广了直方图均衡化的情况。 本文首先介绍了直方图的基本原理、性质和用途，以及直方图均衡化和直方图规定化算法的基本原理。在连续的情况下，直方图均衡化或规定化的统计模型可以产生精确结果，但是相应的离散情形却没有这样的结果。到目前为止，在离散情况下，对直方图均衡化可能已经很清楚了，但直方图规定化在大多数时候都是试凑过程。文中介绍了一些常见的直方图规定化方法，所提到的几种映射规则虽然可以从不同角度改善图像，但只能给出近似结果。这是由于在一个图像中像素的数量通常要比灰度级的数量大很多，在离散情况下累积分布函数是阶梯函数，除了当像素取不同的值这种情况以外，它是不可逆的。 基于上述问题，本文接下来介绍了一种基于排序理论的精确直方图规定化算法。该算法首先给出了精确直方图规定化的原理，即在图像像素上定义的排序关系，它可诱导出几乎严格排序。然后讨论了图像像素严格排序的导出方法，即通过利用向量算子把一个向量和每个像素相联系，问题从标量图像转换到了K维空间，利用字典方式给向量排序，并且进一步在图像像素中诱导出一个严格排序，从而得到一个可逆的累积分布函数。接下来又对这个排序的存在性进行了理论分析，并给出了实验结果和诱导排序的统计模型。一旦得到这样的排序，像素马上就被分类并且分配给一个期望的灰度级。所提到的严格排序和自然排序是一致的，这样图像的信息内容基本上都被保留了。 在本文的最后讨论了精确直方图规定化在图像增强，图像标准化，直方图规定化反演，水印等方面的应用。