了解了一些使用直方图用于图像增强的文章，简要了解一下大致思想，具体以后再看，希望能用在任务里。
Exemplar-Based Image and Video Stylization Using Fully Convolutional Semantic Features
这篇文章网络结构如下，主要思想是将局部直方图作为图像中的某一层concat进去：
Automatic photo adjustment using deep neural networks
输入是多个feature concat在一起，其中有一个是直方图，通过DNN学习得到3*10的变换矩阵作用于基向量得到像素的Lab值，有意思的是这里引入了语义分割的先验信息进行训练。
Learning photographic global tonal adjustment with a database of input/output image pairs
这篇文章有点老了，文章引入了一些全局特征用来结合优化算法学习全局的曲线调整，这些全局的特征包括:
1.像素强度分布。2.场景亮度。3.直方图均衡曲线。4.细节加权均衡曲线。5.突出裁剪的高亮区域。6.空间分布。7.人物面部强度比例。
Global and Local Contrast Adaptive Enhancement for Non-uniform Illumination Color Images
这篇文章主要是使用全局直方图和局部直方图进行对比度的调整。全局直方图调整会导致部分区域的细节损失和对比度降低，而局部直方图则调整局部区域对比度，但可能导致输出的图像不自然。将两者进行结合进行增强。流程图如下:
增强的过程如下所示:
参考：
1.https://blog.csdn.net/ningning52107/article/details/73605645