人脸光照调整一直是人脸识别问题中的难点，作者就不同处理方法，并结合其在实际应用中的表现，在此分章节谈一些个人看法，有不当之处，还望各园友指正。
光照调整主要分在频率域和空间域的处理，频率域中有DCT变换、小波变换等。而在空间域有直方图均衡化、Gamma校正等。作者在此只介绍一些主流并有较广适应范围的方法。首先，我们来谈谈DCT变换吧：
DCT（离散余弦变换）对高相关性的数据（信号），具有非常好的能量聚焦性，经过变换，信号能量的绝大部分被集中到变换域的少数系数上。因此，对于受光照影响的图像，我们只需要修改很少的频域系数，就可以对图像的光照做出较好调整，避免了需要调节多个参数以适合不同图像的问题，操作简便易行。
1. 一维DCT变换的实现步骤：
1) 计算DCT变换的点数，并对时域空间进行延拓；
2) 调用一维傅里叶变换；
3) 调整系数并存储；
2. 二维DCT变换的实现步骤：
1) 计算进行二维图像DCT变换的高度和宽度，如果不是2的整数次幂则要进行调整，并计算在水平和垂直方向上变换时迭代的次数；
2) 用一维DCT变换进行水平方向上的变换
3) 用一维DCT变换进行垂直方向上的变换；
4) 得到二维离散余弦变换系数并存储。
3. 试验结果：
图1是对高曝光图像的二维DCT变换结果，其中（b）是DCT变换后的频谱图像，可以看出图像的低频能量都集中在左上角区域，而向右下角方向，频率越来越高。图（c）和原始图像相比，脸上（左脸）的高光照部分得到了一定的抑制。
（a）原图 （b）DCT变换的频谱图 （c）将频谱图中的低频减去并反DCT变换的结果
图1 高曝光图像进行DCT变换的结果
图2是光照不足的二维DCT变换结果，原始图像中左边人脸基本看不到什么信息，经过处理后可以看到左眼信息。
（a）原图 （b）DCT变换的频谱图 （c）将频谱图中的低频减去并反DCT变换的结果
图2 “阴阳脸”图像进行DCT变换的结果
4. DCT方法小结：
DCT变换的方法，只需要对频域图像做极少的调整（如将最左上角的频率置0），就可以达到对整体光照的调整，不需要像在空间域中那样，不断的调整参数，修改阈值等步骤，这是它的优点。但是，DCT变换的时间稍长，而且对于光照复杂度比较大的图像，其调整的能力也比较有限。当然，也有不少人对其进行了改进，比如在Log域的DCT变换等。网上也有不少关于其改进的文献，在此就不一一赘述。作者在此介绍的方法，代表了频率域调整光照的一般思路，希望对大家有作用。