MATLAB图像去雾处理； 暗通道算法去雾

MATLAB暗通道图像去雾； 可进我主页查看程序运行效果视频； 1、根据暗通道计算透射率； 2、计算大气光值； 3、选择适合的亮度补偿值；

针对交通场景图像中由于雾霾导致的图像目标主体不清晰,影响监控效果的问题,提出一种基于导向滤波与自适应色阶调整的改进暗通道图像去雾新方法.首先,基于暗通道原理对原始图像进行映射处理,从而得到大气光成分与透射率的估计值,并利用多维导向滤波方法对大气透射率估计值进行优化处理;然后,根据图像降质过程的逆过程,求解雾霾图像清晰化处理初始结果;最后,利用多通道自适应色阶调整方法进一步优化初始结果,解决初始结果整体亮度较暗、不利于监控系统后期处理的问题.实验结果表明,清晰化处理后的图像具有较高的亮度和对比度值,较好地保留并增强了图像的边缘和细节信息,算法去雾霾效果显著,针对交通场景图像处理的自适应性较高.

何凯明的暗通道去雾算法，算法简单明了，代码清晰易懂。

可实现对图片的去雾处理

本GUI界面为图像去雾系统，使用matlab实现的功能有4点： 1.使用全局直方图均衡化的方法实现给有雾图像去雾。 2.使用Retinex算法实现给有雾图像去雾。 3.使用暗通道算法实现给有雾图像去雾。 4.使用加雾算法给无雾图像添加雾，然后再用3个算法实现去雾，得到处理后的图像。 5.通过直方图对比，观察处理前后直方图的区别。保存处理后的图片。

介绍 暗原色先验去雾算法 暗原色图像生成 雾天图像复原 去雾图像生成

针对暗通道先验去雾算法中透射率估值不准确以及天空区域或大面积白色区域去雾后存在颜色失真等问题,提出了一种基于超像素分割和暗亮通道结合的单幅图像去雾方法。首先采用超像素方法对有雾图像进行分割,将得到的超像素块代替暗通道固定方形滤波窗口;其次,采用暗通道与亮通道先验理论结合的方法获取透射率,使透射率估值更准确;然后,在天空区域通过阈值分割结合亮通道先验理论确定大气光值,并利用融合梯度信息的引导滤波方法优化透射率;最后根据大气散射模型恢复无雾图像。实验结果表明,所提方法得到的透射率和大气光值的估值准确,取得了良好的去雾效果,在主观评价和客观评价方面均优于其他对比算法。

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