对网上搜集的暗通道代码学习后，自行修改，有完全符合理论的代码也有速度快的代码，文件夹里有说明。都能运行放心下载。

去雾图像生成 采用最暗原色处理思想，在获取粗略大气传输函数之后，利用 Levin 等提出的 softmatting 算法对其进行细化修正；最后在进行色彩域校正，得到最终的去雾图像

低照度环境下图片质量会下降。同时, 悬浮在空气中的烟雾、粉尘等物质形成的雾、霾, 会导致图像的细节模糊不清, 对户外拍照和计算机视觉应用造成了极大的影响。因此, 对退化图像进行去雾处理, 提高图像质量, 在图像处理和计算机视觉领域具有非常重要的应用价值。提出一种基于亮通道和暗通道结合的雾霾天气图像去雾算法。基于退化图像的物理模型, 提出一种空气光散射模型, 通过亮通道和暗通道的结合来估计大气光值和透射率。该算法可以解决有雾图像恢复时天空区域的颜色失真问题, 恢复图像的细节和颜色, 提高图像的视觉效果。仿真结果表明, 本文算法优于多尺度Retinex图像去雾算法。

基于何恺明的暗通道先验（dark channel prior）去雾算法，文件包中有测试图片，可直接测试运行，有部分代码注释，直接运行test.m即可

传统的暗通道先验已成功地运用于单一图像去模糊问题,但是,当模糊图像具有显著噪声时,暗通道先验无法对模糊核估计起到作用.因此,得益于分数阶计算能够有效地抑制信号的噪声并对信号的低频部分进行增强,将分数阶计算理论与模糊图像的暗通道先验相结合,提出一种基于改进的暗通道先验的运动模糊核估计方法.首先,结合最大后验估计算法与分数阶暗通道先验,构建出运动模糊图像的核估计模型;其次,利用半二次方分裂法解决模型的非凸问题;最后,根据粗糙-精细的策略,利用多尺度迭代框架估计出准确图像的模糊核,进而利用非盲去模糊的方法求解清晰图像.实验结果表明:在有无显著噪声的模糊图像中,所提出的算法虽然所需计算时间较长,但是能够获得较为准确的模糊核,并且能够减少图像噪声以及振铃伪影,提高清晰图像估计的质量;此外,对于不同类型的模糊图像,所提出的算法也同样适用.

基于暗通道的图像去雾通过MATLAB实现 压缩包内含：完整代码、PPT

针对暗通道先验去雾算法存在的光晕现象、大气光值选取不准确等问题,提出了一种基于暗通道补偿与大气光值改进的图像去雾方法。为减弱图像景物边缘处的光晕效应,提出了一种基于暗通道补偿模型的解决办法,利用加权通道差值的方法识别光晕区域,通过腐蚀、融合等处理修正该区域的暗通道值,采用线性融合的方式与原暗通道进行融合,实现对暗通道的补偿。针对大气光值选取不准确的问题,改进了四叉树分割方法,即增加相邻区域比较的策略,使该算法可以更加精确地获取大气光值,使恢复后的图像更加清晰自然,细节保留更加丰富。借助大气散射模型与优化后的透射率恢复无雾图像。实验结果表明,本文方法能够有效地去除光晕效应,准确地获取大气光值。

暗通道优先(dark channel prior)规律在处理单幅户外场景图像去雾方面取得了非常好的效果,但是该方法在处理较高分辨率图像时需消耗大量的存储和计算资源,同时对于部分场景会得到不够准确的结果.仍然基于暗通道优先,根据观察实验,得到透射梯度优先规律,并结合多分辨率处理,提出了改进的图像去雾新方法.经过大量实验和理论分析,透射梯度优先不仅显著减小了去雾处理的计算量,它所引起的优化方法和参数变化还可能提升透射图计算的准确性.实验结果也证明,新方法仅需原方法1/8左右的计算时间和存储空间,就能够得到与原方法基本一致甚至更准确的去雾结果.

完整代码，可直接运行

暗通道去雾matlab源代码脱氢表雄酮 概括 这是雾度消除算法的MATLAB源代码，该雾度消除算法使用简单的图像增强技术（例如细节增强，伽玛校正和单比例图像融合）对模糊的输入图像进行除雾。 计算流程如下： 输入图像->细节增强->伽玛校正->暗通道基于先验的权重图计算。 ->单比例图像融合->后处理->输出图像 该源代码包括所有计算步骤，但由于版权限制，自适应音调重新映射后处理除外。 运行代码 在MATLAB R2019a中执行文件mIFDH_demo.m可以并排查看模糊的结果。 定性结果 注意：通过执行此源代码获得的结果与此处显示的定性结果不同。 原因是排除了自适应音调重映射后处理。 参考 在任何与使用源代码有关的出版物中，请引用以下参考文献：