人臉光照調整一直是人臉識別問題中的難點，作者就不同處理方法，並結合其在實際應用中的表現，在此分章節談一些個人看法，有不當之處，還望各園友指正。
光照調整主要分在頻率域和空間域的處理，頻率域中有DCT變換、小波變換等。而在空間域有直方圖均衡化、Gamma校正等。作者在此只介紹一些主流並有較廣適應范圍的方法。首先，我們來談談DCT變換吧：
DCT（離散余弦變換）對高相關性的數據（信號），具有非常好的能量聚焦性，經過變換，信號能量的絕大部分被集中到變換域的少數系數上。因此，對於受光照影響的圖像，我們只需要修改很少的頻域系數，就可以對圖像的光照做出較好調整，避免了需要調節多個參數以適合不同圖像的問題，操作簡便易行。
1. 一維DCT變換的實現步驟：
1) 計算DCT變換的點數，並對時域空間進行延拓；
2) 調用一維傅里葉變換；
3) 調整系數並存儲；
2. 二維DCT變換的實現步驟：
1) 計算進行二維圖像DCT變換的高度和寬度，如果不是2的整數次冪則要進行調整，並計算在水平和垂直方向上變換時迭代的次數；
2) 用一維DCT變換進行水平方向上的變換
3) 用一維DCT變換進行垂直方向上的變換；
4) 得到二維離散余弦變換系數並存儲。
3. 試驗結果：
圖1是對高曝光圖像的二維DCT變換結果，其中（b）是DCT變換后的頻譜圖像，可以看出圖像的低頻能量都集中在左上角區域，而向右下角方向，頻率越來越高。圖（c）和原始圖像相比，臉上（左臉）的高光照部分得到了一定的抑制。
（a）原圖 （b）DCT變換的頻譜圖 （c）將頻譜圖中的低頻減去並反DCT變換的結果
圖1 高曝光圖像進行DCT變換的結果
圖2是光照不足的二維DCT變換結果，原始圖像中左邊人臉基本看不到什么信息，經過處理后可以看到左眼信息。
（a）原圖 （b）DCT變換的頻譜圖 （c）將頻譜圖中的低頻減去並反DCT變換的結果
圖2 “陰陽臉”圖像進行DCT變換的結果
4. DCT方法小結：
DCT變換的方法，只需要對頻域圖像做極少的調整（如將最左上角的頻率置0），就可以達到對整體光照的調整，不需要像在空間域中那樣，不斷的調整參數，修改閾值等步驟，這是它的優點。但是，DCT變換的時間稍長，而且對於光照復雜度比較大的圖像，其調整的能力也比較有限。當然，也有不少人對其進行了改進，比如在Log域的DCT變換等。網上也有不少關於其改進的文獻，在此就不一一贅述。作者在此介紹的方法，代表了頻率域調整光照的一般思路，希望對大家有作用。