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

PhotoRC 图像增强软件主要包含图像去雾、色彩增强、滤波增强、亮度对比度调整、提高清晰度、去除模糊等处理。当前版本为1.0.0。

包含黑白图像上色、图像无损放大、图像去雾、拉伸图像恢复、图像风格转换、人像动漫化、天空分割、去除图片中不需要的遮挡物等多个图像特效API能力，满足互联网娱乐、网络营销、广告活动等多种业务需求

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.

MATLAB图像去雾 ，双边带滤波的方法，多种方法对比。

完整代码，可直接运行

用同态滤波的方法进行图像增强，增强雾天图像的能见度，提高图像的质量

AOD-Net: All-in-One Dehazing Networ 去雾程序代码， 基于pytorch框架重新改写的。支持CUDA的在anaconda中打开当前目录后可以直接调用使用以下命令： python test.py --input_image 文件名.jpg --model .\model_pretrained\AODnet.pth --output_filename .\result\*_AODnet.jpg --cuda

雾天的交通影响着人们的出行，是否可以安全的出行是人人所关心的问题.为获取含雾图像更多的特征信息，提出一种基于小波变换的交通图像去雾方法.一方面在RGB颜色空间对图像进行直方图均衡处理来增强图像的整体的对比度；另一方面在HSV色彩空间，对V分量进行小波变换处理，将分解得到的低频子带采取双边滤波处理的方式，而对多个高频子带进行非线性变换处理方式，将处理过的低频子带和多个高频子带，利用小波逆变换进行重构.最后将两幅图像进行线性组合，得到最终的去雾图像.实验结果表明，与其他方法相比，本文方法处理的的图像所含信息较高，便于人眼观察。