数字图像既具有空间分布特性又有统计特性。每个物体有多少个像元就是一种简单的统计特性。而数值统计特性一般由灰度直方图表示，横坐标为灰度级，纵坐标为各灰度级在图中出现的像元个数总和。
灰度直方图的作用
任何一幅图像都有灰度直方图，但相同的灰度直方图可能对应不同的图像，因为在形成灰度直方图的时候丢失了空间信息，即你并不能知道该灰度对应于图像中的位置。
图像获取质量评价
观察上面的图，你会发现第一幅图由于直方图分布均匀，故灰度层次比较明显，使得地物之间的辨别高。而其他的3幅灰度直方图都仅局限在0-255的某一段，使得图像要么欠曝要么过曝。
边界阈值的选择
我们可以看到（a）图对应的直方图有2个波峰，前一个波峰对应图像中比较暗的地方，这是由于它处于灰度级的低值部分决定的，实际也就是对应图像中的水体河流部分，我们将阈值选在2个波峰之间的波谷上，使得大于阈值的等于1，小于阈值的等于0，这样我们就可以提取出水体。
噪声类型判断
当一幅图像存在噪声的时候，其实单纯得通过看是看不出来的，这时候我们选择图像中色调，信噪比比较高的区域，然后统计出该区域的灰度直方图，根据直方图来判断噪声的类型。
可以看出上图中第一幅直方图的分布很像高斯分布，第二幅直方图的分布很像瑞利函数的分布，第3幅直方图很像伽马函数的分布……。
疑问：到底如何判断一幅灰度直方图中是否存在噪声。
如何判断一幅图像是否有噪声
判断噪声类型时要先选定一块信噪比比较高的均质区域（一般是灰度值比较大的亮区），然后观察它的灰度直方图的状况来判断。需要注意的是均质就是指该均质区域的直方图理论上就是一根柱子（高度差不多高）。
在正常情况下，如果图像没有噪声存在，这时该片均质区域的灰度值应该集中在一个点或者有小幅度波动，即灰度直方图的值会集中在某一个点，不会出现波动。而如果直方图曲线呈现出某种噪声的函数分布图像，这样才判断出这幅图像是有某种噪声的。