基于导向滤波的图像去雾

资 源 简 介

基于导向滤波的图像去雾

详 情 说 明

导向滤波在图像去雾中的应用

基于暗通道先验的去雾算法通常需要准确估计透射率图。暗通道先验理论指出，在无雾图像的局部区域内，至少有一个颜色通道的像素值趋近于零。通过计算原始图像的暗通道（即每个像素点取三通道最小值，再进行局部最小值滤波），可以得到初始的雾浓度分布估计。

然而，直接使用暗通道获得的透射率往往存在块状伪影。这时需要引入导向滤波进行精细化处理。导向滤波的核心思想是利用原始图像（作为引导图）的结构信息来优化透射率图。其数学实现分为三个关键步骤：

计算引导图与输入透射率图的局部协方差 通过滑动窗口求解线性回归系数 用回归结果重构平滑后的透射率

该过程能有效保留边缘细节，同时消除不均匀的透射率估计。与普通Box Filter相比，导向滤波的优势在于能根据引导图的纹理自适应调整滤波强度，避免过度平滑重要边缘。最终将优化后的透射率图代入大气散射模型，即可恢复出清晰的无雾图像。

该方法的创新点在于将物理先验（暗通道）与数据驱动方法（导向滤波）相结合，既利用了自然图像的统计规律，又通过机器学习式滤波提升了透射率估计的准确性。实际应用中还需注意调整滤波半径和正则化参数以平衡去雾效果与计算效率。