Istnieją dwie strategie implementacji wyrównania histogramu – zmiana pikseli obrazka lub zmiana palety barw. Operację tę możemy wyrazić jako (()), gdzie jest oryginalnym obrazem, to operacja mapowania, zaś jest paletą. Jeśli zdefiniujemy nową paletę w funkcji mapowania =() i zostawimy obraz I niezmieniony, wtedy wyrównanie histogramu jest implementowane jako zmiana palety. W przeciwnej sytuacji, jeśli paleta zachowuje swoją wartość, a obraz jest modyfikowany w funkcji mapowania jako =(), wtedy implementacja opiera się na zmianie obrazu. W wielu przypadkach lepszą metodą jest zmiana palety, ponieważ zachowuje oryginalny sygnał obrazu.
Uogólnienia tej metody wykorzystują wiele cząstkowych histogramów dla podkreślenia kontrastu w poszczególnych częściach obrazu, zamiast na jego całości. Przykładem takiej metody jest adaptacyjne ograniczenie kontrastu wyrównaniem histogramu, tzw. CLAHE ().
Wyrównanie histogramu znajduje również zastosowanie w biologicznych sieciach neuronowych w celu maksymalizacji wyjściowej szybkości neuronu jako funkcji statystyki wejścia. Okazało się to praktyczne także przy badaniu efektu „pływającej siatkówki” (fly retina). Wyrównanie histogramu jest szczególnym przypadkiem klasy metod zmiany mapowania histogramami.