像素亮度变换包含两类处理方法：亮度校正（Brightness Corrections）和灰度级变换（Gray-Scale Transformation）。两者主要的区别在于，亮度校正在修改像素的亮度时要考虑该像素原来的亮度和其在图像中的位置，而灰度级变换在修改像素的亮度时则无须考虑其在图像中的位置。

（1）位置相关的亮度校正

在理想的情况下，图像获取设备的灵敏度与图像的位置无关，但是这种情况在很多实际情况下是不成立的。由于透镜对离轴更远的光线削弱得更多，且传感器的光敏元件并不具有完全相同的灵敏度，因此必然会存在图像退化。所谓图像退化，是指图像在形成、记录、处理和传输过程中，由于成像系统、记录设备、传输介质和处理方法的不完善，导致图像质量下降的现象。不均匀的照明也是图像退化的一个起因。如果退化具有系统性，就可以通过亮度校正加以抑制。假如退化的错误系数为e（i，j），g（i，j）是原来没有退化的图像，f（i，j）是含有退化的图像，则f（i，j）＝e（i，j）g（i，j）。

如果拍摄到的一幅参考图像具有不变的亮度c时，则可以获得错误系数e（i，j），图像退化结果是f c（i，j），那么系统性的亮度错误可用下式抑制：

该方法只有当图像退化过程稳定时才能使用，并且该方法默认变换是线性的。

（2）灰度级变换

一般可以利用直方图均衡化（Histogram Equalization）对图像的灰度进行对比度增强。直方图均衡化的作用是增强靠近直方图极大值附近的灰度对比度，并减少极小值附近的对比度。这种方法通常用来增加图像的局部对比度，尤其是当图像的有用数据的对比度相当接近时，可以使亮度更好地在直方图上分布。直方图均衡化还可以通过有效地扩展常用亮度来实现局部对比度的增强而不影响整体对比度的功能。

该方法对于背景和前景同时太亮或太暗的图像效果显著，尤其是可以给过度曝光或曝光不足的图像提供更好的细节，效果如图7-1所示。该方法的另外一个优势在于它是一个可逆操作，如果已知均衡化函数，就能以较小的计算量恢复原始图像的直方图。但该算法也存在以下缺点。

①变换后图像的灰度级减少，某些细节消失。

②某些直方图有高峰的图像，经处理后对比度会不自然地增强。

③若对处理的数据不加选择，它可能会增加背景的对比度并降低有用信号的对比度。

图7-1　直方图均衡化