该代码为自适应多尺度带有色彩保护的Retinex算法（autoMSRCR），在retinex里面有多中retinex算法变种可供调用，run是调用脚本。该算法本人在DR图片上进行测试，可见对比度显著增强，但是图像本身色彩不失真，并且没有明显的噪声增大情况

何凯明 基于暗原色先验的图像去雾MATLAB代码

本资源为图像去雾质量评价MATLAB代码，通过新增可见变比、平均梯度、饱和像素百分比三个指标评价去雾图像质量。将代码下载解压后，MATLAB路径设置为解压文件夹，点击主函数即可运行。

何凯明2009年的IEEE最佳论文翻译，基于暗通道先验的图像去雾

基于优化对比度增强的图像去雾算法，是该篇文章《 Optimized contrast enhancement for real-time image and video dehazing》作者写的代码，为了能够运行起来，我有修改过一点点。由于原文章提供的代码链接暂时无法访问，现在我将这份代码上传，虽然有点乱，但是可以参考一下。

何恺明的暗原色先验图像去雾代码 用导向滤波代替软图像抠图来计算透射率分布

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。