该算法是基于retinex理论的，在图像去雾上取得了很好的成果，基本和何凯明的暗通道去雾算法相媲美

本人课程报告的内容，自己实现的基于MATLAB GUI 的暗通道去雾算法，有算法原理解析，希望能有所帮助。补充说明：本程序基于MATLAB2018B编写。

标题中的“何凯明去雾算法matalab源代码，可直接运行”指的是采用何凯明博士提出的图像去雾算法，并且提供了相应的Matlab实现，可以直接运行。何凯明是计算机视觉领域的知名专家，他的去雾算法在图像处理中具有重要地位，常用于改善因大气散射导致的图像模糊问题。 在图像处理中，去雾算法是一种恢复图像清晰度的技术，尤其对于户外拍摄或低能见度条件下的照片尤为关键。何凯明的去雾算法主要基于物理模型，假设大气层对光的散射可以用一个全局的透射率（transmission map）来描述。这个算法通过分析图像的暗通道特性，估计透射率，并结合全局和局部信息来恢复图像的清晰度。 描述中提到“何凯明博士的图像去雾算法源代码，经调试可直接运行处理模糊图片”，这意味着你将获得一份已经过调试、可以直接在Matlab环境中运行的代码。这对于学习和研究图像处理技术的人员来说是非常有价值的资源。你可以直接使用这些代码来处理你的模糊图片，无需从零开始编写算法。 在Matlab中实现图像去雾算法，通常会涉及到以下几个关键步骤： 1. **暗通道预处理**：找到图像中最暗的部分，这部分通常是由于雾的影响造成的，可以用来估计大气散射。 2. **透射率估计**：根据暗通道特性，估算出图像中每个像素点的透射率。 3. **大气光计算**：分析图像全局亮度来估计大气光，这是影响图像去雾效果的关键因素。 4. **恢复清晰图像**：利用透射率和大气光信息，通过物理模型对图像进行反卷积，恢复清晰图像。 标签“图像去雾 算法”明确了这个压缩包的主要内容是关于图像去雾的算法实现。文件名称“cvpr09 defog(matlab)”可能表明这个算法是在2009年的计算机视觉与模式识别会议（CVPR）上发表的，而“defog”直接对应了去雾这一功能，表示这是用于去雾的代码。 这个资源对于学习图像处理，尤其是对去雾算法感兴趣的开发者或研究人员非常有帮助。通过研究和实践这个源代码，不仅可以深入了解何凯明的去雾算法，还可以提升在Matlab中的编程能力，为自己的项目或研究提供强大的工具支持。

主要是基于边界约束去雾，它比暗通道先验去雾要新颖的多，而且实验结果更好，更能考虑和用户的交互。

采用针对的有雾图像，完成以下工作： 1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像和直方图； 2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比该复原图像与原始图像以及直方图均衡化后的图像； 3、分析实验效果； 4、写出具体的处理过程，并进行课堂交流展示。

图像去雾算法

经典多尺度retinex_MSRCR图像增强MATLAB程序，用于图像去雾。

此压缩包包含对于IEEE论文AOD-Net的原始英文paper文档、pytorch代码实现，和个人制作的PPT说明对此论文的具体实现思路和Torch编写思路，分享给大家！

数字图像处理图像去雾代码（opencv），内附实验报告。

霾天气条件下获得的图像受到了严重的退化，具有对比度下降、景物不清晰、颜色变得暗淡等特点，这大大降低了图像的应用价值。即使在晴朗的天气条件下拍摄的照片，由于大气的散射的作用，照片的清晰度同样受到影响。这是因为空气中存在的灰尘、雾和烟等，这些因素导致物体表面颜色变淡和整幅图像的对比度降低。这给工业生产及人们的日常生活带来了很大影响。因此许多领域都要用到去雾算法，比如目标识别、遥感等。因而有雾图像特征清晰化的研究具有非常重要的意义。 本文利用图像处理的方法对雾霾图像进行增强处理，主要采用直方图规定化的方式减少雾霾对图像的影响，提高图像的清晰度和质量。实验部分，采用直方图规定化和直方图均衡化的方式相对比，以此来体现直方图规定化的优势。实验结果表明，直方图规定化能够有效的部分去出雾霾图像中的雾，从而实现图像的增强效果。