机器视觉学习笔记(3)--如何去雾

在去雾领域，基本以何凯明博士的《Single Image Haze Removal Using Dark Channel Prior》这篇文章为基础进行再研究，本文也基于该文进行讲述如何去雾。

在计算机视觉和计算机图像学中，雾模型用以下公式表示：

I(x)是有雾的图像，J(x)是无雾图像，A是大气光成分，t(x)为透视率。

对于局部窗口，处理可得:

其中, c表示r,g,b通道的意思，y是窗口点，x是窗口中心点。

根据先验知识，暗通道可表示为：

由于A^c总是正的，因此可得：      

现实情况中，一些微少的雾存在是景深的基础，因此不能完全去雾。

w因子常取为0.95。

大气光成分A可以通过估计无透明的像素点获取，在暗通道提取亮度最高的0.1%的点，找到这些点对应的原有雾图点，求最高点作为A。

由此，我们可以通过式(1)恢复无雾图，应注意的是，当t(x)接近于0，所恢复的无雾点倾向于噪声，因此对t(x)限定最小值t0。

按以上方法，大部分情况可以得到较好的结果，但由于透射率t(x)求解比较粗糙，图像某些块的恢复无雾情况效果差，为达到更好的效果，还需要求解精细的透射图。导向滤波求透射图流程如下所示：

图1：透射流程图

其中，I为导向图像，即粗略的透射图，p为输入滤波图像，q为输出图像。

测试去雾效果， 如下图所示：

图2：有雾图

图3：去雾图

欢迎转载机器视觉助手的文章，我们也希望能够让更多的对机器视觉感兴趣的人看到我们的文章，不过在转载之前请获得我们的授权或严格按照要求进行转载