科技的快速发展,数字图像增强技术得到广泛应用。直方图均衡化是图像对比度增强的主要方法之一,用于提升图像对比度,达到提高图像视觉质量与机器识别图像关键特征的目的。直方图均衡化又分为全局直方图均衡化算法(GHE)和局部直方图均衡化算法(LHE)。全局直方图均衡算法通过自动拉伸图像动态范围获得较高对比度。GHE算法容易导致高频直方图部分的过度增强以及合并低频灰度级引起的细节丢失,并且其输出图像亮度不能有效的得到保持。本文分析了双直方图均衡化与多直方图均衡化的典型算法。其中,对于双直方图均衡化算法,主要分析了基于亮度均值的BBHE算法与基于等面积的DSIHE算法;对于多直方图均衡化算法,主要分析了基于亮度均值递归的RMSHE算法与动态直方图均衡化的DHE算法。为了使直方图分割与图像聚类相关联,提出了一种基于K-Means图像分割的双直方图均衡算法。首先利用K-Means对图像进行聚类,得到两个子图像。然后再对两个子图像分别进行直方图均衡化处理,最后合并两个子图。实验结果表明,该算法不仅具有图像亮度保持作用,对比度增强效果优于传统方法。