1. 圖像光照不均勻的具體表現
1） 圖像整體灰度像素值偏低，由於拍攝時現場的光照條件限制或設備自身的原因，導致圖像的整體灰度值是偏低的或者圖像的對比度偏低，從而使圖像的信息難以識別，如紅外圖像、灰暗條件下拍攝的圖像；
2）圖像的局部灰度像素值低，由於拍攝過程中周圍環境的光照不均導致的圖像一部分光照充足，一部分光照欠充足。光照充足的部分目標與背景對比度較高，易於辨認，而欠充足部分則灰度偏低且目標與背景差別較小，不易辨認 。
3）圖像中含有具有反光特性的物體，這類采集到的圖像中會有局部的反光現象（亮度很大），從而導致該部分像素信息的損失 。
2. 目前針對光照不均勻圖像的二值化方法主要可分為三大類：
1）對圖像進行分塊處理
對圖像進行分塊處理主要應用於圖像的光照分塊較為明確的情況。該方法先根據圖像的光照分布的情況進行正確的分塊，再對各個塊采用經典的全局閾值二值化方法進行分割。目前主要的全局閾值法有：根據直方圖谷底確定閾值法、迭代選擇閾值法、最大類間方差法（OSTU）法等 。
2） 對圖像背景光照進行預處理，使圖像灰度分布更均勻並增強圖像對比度
對於光照不均勻的圖像，最常用的方法是先對圖像進行灰度變換使圖片的背景光照近似均勻，並增強圖像的對比度再考慮下一步處理如用經典全局閾值方法進行處理等。灰度變換主要有以下幾種方法 ：
a) 利用直方圖進行灰度變換
常用的直方圖變換方法有直方圖均衡化與直方圖規定化等。直方圖均衡化的過程就是對圖像通過某種灰度映射，從而使轉換后的圖像在每一灰度級上都有近似相同的像素點數。 直方圖均衡化能使灰度動態范圍偏小的圖像轉變為對比度較高、 圖像灰度動態范圍大，信息更加明確的圖像。直方圖規定化也是對圖像的灰度值的進行映射，但是這種映射過程可以認為地設定，使處理后的圖像具有特定形狀的直方圖。直方圖規定化可以增強人們感性趣的灰度范圍的對比度，從而增強了圖像的層次感，方便人們進行分析與處理。
b) 基於感知理論（ Retinex 理論）的增強方法
c) 基於圖像梯度值的增強方法
一幅光照不均勻的圖像在它的梯度場表現為不均勻的梯度值的分布。以實際圖像為例，如果圖像清晰，動態范圍較大， 易於人們辨認，那么該圖像的整體梯度值大；如果得到的圖像模糊，對比度小，許多信息不易於人們辨認，那么該圖像的整體梯度值小，所以可以通過一定的手段來改變圖像的梯度值的分布從而對圖像進行增強。
d) 背景估計法恢復光照不均勻圖像
3）經典的局部閾值方法
局部閾值法是根據圖像中的每一個像素點與其鄰域像素點的灰度值變化來設定閾值，進而逐點進行二值化的方法。 經典的局部閾值算法有 Bernsen 算法、 Niblack 算法和 Sauvola算法、 Chow 和 Kaneko 算法等。但這些算法對圖片逐點計算，計算量很大，運算時間隨着圖片的增大往往是幾何倍數的增加。