1. 图像光照不均匀的具体表现
1） 图像整体灰度像素值偏低，由于拍摄时现场的光照条件限制或设备自身的原因，导致图像的整体灰度值是偏低的或者图像的对比度偏低，从而使图像的信息难以识别，如红外图像、灰暗条件下拍摄的图像；
2）图像的局部灰度像素值低，由于拍摄过程中周围环境的光照不均导致的图像一部分光照充足，一部分光照欠充足。光照充足的部分目标与背景对比度较高，易于辨认，而欠充足部分则灰度偏低且目标与背景差别较小，不易辨认 。
3）图像中含有具有反光特性的物体，这类采集到的图像中会有局部的反光现象（亮度很大），从而导致该部分像素信息的损失 。
2. 目前针对光照不均匀图像的二值化方法主要可分为三大类：
1）对图像进行分块处理
对图像进行分块处理主要应用于图像的光照分块较为明确的情况。该方法先根据图像的光照分布的情况进行正确的分块，再对各个块采用经典的全局阈值二值化方法进行分割。目前主要的全局阈值法有：根据直方图谷底确定阈值法、迭代选择阈值法、最大类间方差法（OSTU）法等 。
2） 对图像背景光照进行预处理，使图像灰度分布更均匀并增强图像对比度
对于光照不均匀的图像，最常用的方法是先对图像进行灰度变换使图片的背景光照近似均匀，并增强图像的对比度再考虑下一步处理如用经典全局阈值方法进行处理等。灰度变换主要有以下几种方法
：
a) 利用直方图进行灰度变换
常用的直方图变换方法有直方图均衡化与直方图规定化等。直方图均衡化的过程就是对图像通过某种灰度映射，从而使转换后的图像在每一灰度级上都有近似相同的像素点数。 直方图均衡化能使灰度动态范围偏小的图像转变为对比度较高、 图像灰度动态范围大，信息更加明确的图像。直方图规定化也是对图像的灰度值的进行映射，但是这种映射过程可以认为地设定，使处理后的图像具有特定形状的直方图。直方图规定化可以增强人们感性趣的灰度范围的对比度，从而增强了图像的层次感，方便人们进行分析与处理。
b) 基于感知理论（ Retinex 理论）的增强方法
c) 基于图像梯度值的增强方法
一幅光照不均匀的图像在它的梯度场表现为不均匀的梯度值的分布。以实际图像为例，如果图像清晰，动态范围较大， 易于人们辨认，那么该图像的整体梯度值大；如果得到的图像模糊，对比度小，许多信息不易于人们辨认，那么该图像的整体梯度值小，所以可以通过一定的手段来改变图像的梯度值的分布从而对图像进行增强。
d) 背景估计法恢复光照不均匀图像
3）经典的局部阈值方法
局部阈值法是根据图像中的每一个像素点与其邻域像素点的灰度值变化来设定阈值，进而逐点进行二值化的方法。 经典的局部阈值算法有 Bernsen 算法、 Niblack 算法和 Sauvola算法、 Chow 和 Kaneko 算法等。但这些算法对图片逐点计算，计算量很大，运算时间随着图片的增大往往是几何倍数的增加。