为了解决复杂光照环境下斑马线识别的困难，提高基于视觉的交通标志识别系统的识别效率，文中设计了一种不均匀光照下斑马线的识别与处理方法。首先将原图转化为灰度图，可以消除不同光照颜色的影响和减少数据量；然后对灰度图做直方图均衡化，可以消除不均匀光照的影响；再将其转化为二值图像，可以再次减少数据量并突出斑马线的特征。对二值图像做腐蚀处理可以消除噪声，然后再做膨胀处理，可以填补斑马线的空隙。使用Canny算子提取斑马线的边缘，然后将边缘图像转换到Hough域，即可获得图像中的直线信息。根据这些直线信息就可以计算出图像中是否有斑马线。实验结果表明，文中设计的方法对在不均匀光照条件下的斑马线的识别率达到96.25%，有较高的识别率和识别效率。

针对某污水膜生产企业使用的包含产品信息的QR码（二维码的一种）在非均匀光照下产生的阴影区域问题，提出一种基于大津法的改进算法。利用图像的局部区域阈值及窗口逐像素滑动计算来消除光照对图像造成的影响，从而提高含有阴影的QR码图像识别率。实验结果验证该方法对含有阴影区域的图像有着更强的适应性，特别是针对分块解析效果不太理想的单侧阴影效果更佳。与经典全局Otsu算法相比，图像识别率提高了5倍左右。

针对不均匀光照条件下球体识别误检率问题。充分利用球体的颜色和形状信息。对彩色图像经过图像增强预处理后，通过基于HSV彩色空间模型阈值分割的方法，对球体颜色进行识别。将图像转为灰度图像后，通过自适应阈值分割的方法有效地去除了不均匀光照条件对图像分割的影响。在使用Candy边缘检测算法对边缘进行提取后通过基于霍夫变换找圆的方法找出球体的圆。最终经过两个先验信息特征量的交叉匹配，确定目标球体。实验表明该算法有效提升了不均匀光照条件下球体目标识别的准确率。

非均匀光照图像自适应Gamma增强算法

对于不均匀图像的去阴影处理的matlab实现，可用。

对于不均匀图像的去阴影处理的matlab实现，可用。