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

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

简单实现

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。

有代码，有图。此代码是基于暗通道的图像去雾，在原有的基础上有所改进，相互借鉴哈！

一、课题题目 基于MATLAB的图像去雾系统 二、课题介绍 雾，在很大程度上会降低能见度，因此在此情况下拍摄的图像对比度也会受到严重的影响。尤其是在智能化的今天，对于交通领域的影响表现的尤为明显。因此，找到应对这种自然现象造成的图像对比度减弱问题的解决办法对于整个领域的发展是非常有现实意义的。 近年来，随着互联网技术的不断发展，关于图像处理方面的技术也趋于成熟，特别是在户外视觉方面的进步也尤为突出。其已经不仅仅局限在户外，在其他领域也有所涉及。MATLAB本身具有非常强大的图像处理功能，通过仔细调研发现其能够将在恶劣天气条件下拍摄的图像进行处理，进一步提高图像对比度以接近于原始图像。本次研究主要使用三种算法队图像进行去雾处理。分别是全局直方图均衡化、Retinxe算法和同态滤波算法。通过计算去雾前后图片的psnr和信息熵来对比三种算法的处理效果。这三种算法不仅仅适用于由于恶劣天气造成的图像对比度降低的情况，其对于处理其他对比度较低的图像也是非常有帮助的。 三、GUI界面设计

何恺明在CVPR会议上演讲时的ppt——基于暗通道先验的单幅图像去雾技术

我用的是VS2010+opencv2.49 当然可以根据自己的环境配置一下就可以了。代码里面用的是三通道去雾，效果不错。 效果比单通道好一点。 比softmating 稍微差一点点（看不怎么出来），但是速度比softmating快很多倍。