1.一种全局直方图均衡的图像增强方法，其特征在于，包括如下步骤：对输入图像的全局直方图进行均值归一化，利用图像均值将全局直方图分割成左右两个子直方图，伽马值以设定步进进行遍历，将每次遍历的伽马值用于对全局直方图进行校正，得到各个校正后的全局直方图；

根据各个校正后的全局直方图，计算左右两个子直方图的大小差异，记差异最小的伽马值为最佳伽马值，利用所述最佳伽马值对全局直方图进行处理，得到最佳伽马值处理后的全局直方图；

根据最佳伽马值，确定第二伽马值，利用所述第二伽马值对最佳伽马值处理后的全局直方图中小于1的数据作进一步的校正；

计算利用自适应伽马校正模型得到的左右两个子直方图之和，根据左右两个子直方图的大小差异通过加调整量的方式对全局直方图进行调整，使得左右两个子直方图的累计概率分布相等；

对调整后的全局直方图进行均衡，得到结果图像；

所述根据各个校正后的全局直方图，计算左右两个子直方图的大小差异，记差异最小的伽马值为最佳伽马值，利用所述最佳伽马值对全局直方图进行处理，得到最佳伽马值处理后的全局直方图；具体还包括：计算左右两个子直方图的大小差异，将差值存入一维数组，通过一维数组找到左右子直方图的最小差值索引pos，记其对应的伽马值为最佳伽马值，计算公式为：bestgamma1＝(pos‑1)*rstep+rstar；

其中rstep为遍历的步进，rstar为遍历的起始值；

利用所述最佳伽马值对全局直方图进行处理，得到最佳伽马值处理后的全局直方图，具体为：gcHist＝normHist.^bestgamma1；

其中normHist为均值归一化的全局直方图，gcHist为利用最佳伽马值处理后的全局直方图，.^表示对变量中的每一个分量逐点进行幂函数操作。

2.根据权利要求1所述的一种全局直方图均衡的图像增强方法，其特征在于，所述对输入图像的全局直方图进行均值归一化，利用图像均值将全局直方图分割成左右两个子直方图，伽马值以设定步进进行遍历，将每次遍历的伽马值用于对全局直方图进行校正，得到各个校正后的全局直方图，还包括：利用图像均值将全局直方图分割成左右两个子直方图，计算左右两个子直方图的初始大小，以均值点映射作为全局直方图调整的基础。

3.根据权利要求2所述的一种全局直方图均衡的图像增强方法，其特征在于，所述根据最佳伽马值，确定第二伽马值，所述第二伽马值具体为：bestgamma2＝1‑bestgamma1。

4.根据权利要求3所述的一种全局直方图均衡的图像增强方法，其特征在于，所述利用所述第二伽马值对最佳伽马值处理后的全局直方图中小于1的数据作进一步的校正，具体为：gcHist'(gcHist<1)＝(gcHist(gcHist<1)).^bestgamma2其中，.^表示对变量中的每一个分量逐点进行幂函数操作。

5.根据权利要求4所述的一种全局直方图均衡的图像增强方法，其特征在于，计算利用自适应伽马校正模型得到的左右两个子直方图之和，根据左右两个子直方图的大小差异通过加调整量的方式对全局直方图进行调整，使得左右两个子直方图的累计概率分布相等，具体为：if leftHistSum

delta＝(rightHistSum‑leftHistSum)/leftDR，gcHist”((Lmin+1):imgMean)＝gcHist((Lmin+1):imgMean)+deltaif leftHistSum>rightHistSum

delta＝(leftHistSum‑rightHistSum)/rightDR，gcHist”((imgMean+1):(Lmax+1))＝gcHist((imgMean+1):(Lmax+1))+delta其中，leftHistSum为左子直方图数值之和，rightHistSum为右子直方图数值之和，leftDR为左子直方图的动态范围，rightDR为右子直方图的动态范围，delta为调整量，imgMean为图像像素均值，Lmin为图像动态范围内最小像素值，Lmax为图像动态范围内最大像素值。