何凯明图像去雾

资 源 简 介

何凯明图像去雾

详 情 说 明

何凯明提出的暗通道先验去雾算法是计算机视觉领域的里程碑式工作。该算法基于一个关键观察：在绝大多数无雾图像的局部区域中，至少有一个颜色通道的像素值会非常低（接近0）。这个现象被称为暗通道先验。

算法实现主要分为三个核心步骤：

首先需要计算图像的暗通道。通过获取每个像素点在RGB三个通道中的最小值，再在局部窗口内取最小值来实现。这个步骤模拟了暗通道先验的理论基础。

接下来估计大气光值。通常假设图像中最亮的0.1%像素点代表大气光成分，通过排序像素亮度并取前0.1%的均值确定大气光强度。这一步为后续透射率计算提供关键参数。

然后计算透射率图。利用暗通道图像和估计的大气光值，通过公式推导每个像素点的透射率。透射率反映了光线在雾中传输时的衰减程度，是去雾的关键参数。

最后进行图像复原。根据大气散射模型，使用估计的大气光和透射率图对原始图像进行逆向运算，得到去雾后的清晰图像。这一步骤会引入一个微小常数来避免除以零的问题。

该算法在实现时需要注意窗口大小的选择，过大会导致边缘模糊，过小则去雾效果不足。同时大气光的准确估计对最终效果影响很大，需要谨慎处理。算法的效果在大多数自然场景中表现出色，特别是对中度到重度雾天拍摄的图像改善明显。