亮度保持动态模糊直方图均衡（BPDFHE）提出了亮度保持动态直方图均衡技术的一种新颖修改，以提高其亮度保持和对比度增强能力，同时降低其计算复杂度。 这种技术称为使用数字图像的模糊统计进行表示和处理。 模糊域中图像的表示和处理使该技术能够以更好的方式处理灰度值的不精确性，从而提高性能。 此外，模糊统计可以很好地处理灰度级的不精确性，模糊直方图在使用适当的模糊隶属函数计算时，没有随机波动或缺失强度级，并且基本上是平滑的。 这有助于获得保持亮度均衡所需的有意义的分区。 该方法的详细信息可在 D. Sheet、H. Garud、A. Suveer、J. Chatterjee 和 M. Mahadevappa，“亮度保持动态模糊直方图均衡”，IEEE Trans.，Consumer Electronics，vol。 56，没有。 4，第 2475 - 2480 页，2010 年 11 月。 [ h

基于CUDA并行实现图像的直方图统计，opencv简单画出灰度分布直方图曲线分布趋势.

这个程序是找到任何图片的直方图在这里我使用内置图片（噘嘴）

直方图均衡的Verilog实现 从Matlab读出图像为image.txt文件，经过Modelsim读入TXT文件进行直方图均衡处理，将输出结果再读出为image_he.txt文件，然后在Matlab观察直方图均衡增强效果，由于Matlab中直方图统计概率近似小数所以计算出为近似值，而FPGA中应用移位代替除法所以计算出为准确值，实验表明，硬件实现和Matlab软件直方图均衡处理达到了共同的效果！

使用图像处理在 2 个不同图像之间进行直方图匹配。

使用python实现histogram matching（直方图匹配），源码

作为计算机视觉中的重要主题之一，移动车辆分割引起了研究人员的极大关注。 但是，动态场景中的干扰运动对象阻碍了鲁棒的检测。 在本文中，我们解决了动态场景中移动车辆分割的问题。 基于动态背景和运动车辆的独特运动特性，我们提出了一种用于运动车辆分割的自适应运动直方图。 所提出的算法包括两个过程：自适应背景更新和基于运动直方图的车辆分割。 在自适应背景更新过程中，我们利用了场景的光照变化，并提出了一种新的背景演化方法。 在基于运动直方图的车辆分割过程中，根据场景中的运动信息来维护和更新自适应运动直方图，然后根据所保持的运动直方图来检测运动中的车辆。 典型场景的实验结果证明了该方法的鲁棒性。 定量评估和与现有方法的比较表明，该方法提供了很多改进的结果。

这份代码是用来说明如何把梯度直方图直白的表示出来，代码中有一些注释原来就有的，还有一些是我加的。

基于FPGA的直方图均衡化实现的代码，FPGA上亲测可用，资源占用率较低。

python离线安装包，亲测可用