何凯明的暗通道去雾算法，算法简单明了，代码清晰易懂。

针对暗原色先验去雾算法对天空区域的透射率估计值偏小问题,提出一种改进的Otsu递归分割图像去雾方法。该方法基于图像分割的思想,利用改进的Otsu递归分割算法准确分离出天空区域,结合暗原色图像灰度归一化值对天空区域透射率估计值进行修正,优化后的透射率更加接近实际值,最后通过大气散射模型得到复原图像。实验结果表明:去雾后的图像保持真实色彩,区域交叉边界处复原自然。文中算法有效解决了天空区域出现色偏和光晕问题,拓宽了暗原色先验算法的适用范围,对户外雾天图像的去雾具有良好的应用前景。

基于暗通道的单幅图像去雾方法，java实现的图像去雾算法

图像去雾算法（图像去雾算法及matlab程序实例 包括直方图处理、去噪、平滑等相关算法的代码实例），可以下来看看

数字图像处理、去雾算法

基于何凯文博士的参考文献He K, Sun J, Tang X. Single image haze removal using dark channel prior[J]. IEEE CVPR, 2009.所写的基于暗通道先验的去雾算法matlab代码，内有代码，论文，及测试图片

何凯明博士的去雾算法，是一大经典，此代码复现何博士的论文，达到的优秀的去雾效果，在现实中，应用场景还挺多的。。。

采用matlab对雾天图像的清晰化处理，共6种算法，直方图均衡法，改进的直方图均衡化算法，单尺度retinex，多尺度retinex，带色彩恢复的多尺度retinex，暗原色先验，然后有6种算法运行时间和信息熵的对比。

何凯明博士的去雾文章和算法实现已经漫天飞了，我今天也就不啰里啰唆，直接给出自己python实现的完整版本，全部才60多行代码，简单易懂，并有简要注释，去雾效果也很不错。 在这个python版本中，计算量最大的就是最小值滤波，纯python写的，慢，可以进一步使用C优化，其他部分都是使用numpy和opencv的现成东东，效率还行。 import cv2 import numpy as np def zmMinFilterGray(src, r=7): '''最小值滤波，r是滤波器半径''' '''if r <= 0: return src h, w = src.shape

基于暗通道先验算法的图像去雾技术已经日益成熟,但是其处理速度慢、天空区域过曝、处理完的图像色彩变暗等缺点也很明显。本文针对这几方面分别提出了求透射率时的优化、纠正天空等明亮区域的错误估计的透射率、采用自动色剂的算法进行颜色校正等方法，从而有效地提升去雾图像的视觉效果与处理速度。实验结果与几种经典的算法结果进行比较验证了本文算法在处理效率与颜色保真度方面的优越性。