简要介绍暗通道去雾技术

姓名：朱睿琦

学号：15180288015

参考：http://blog.csdn.net/baimafujinji/article/details/27206237

           Single Image Haze Removal

【嵌牛简介】：图像增强与图像修复二者之间有一定交叉，尽管它们一个强调客观标准，一个强调主观标准，但毕竟最终的结果都改善了图像的质量。图像去雾就是这两种技术彼此交叉领域中最典型的代表。如果将雾霾看作是一种噪声，那么去除雾霾的标准显然是非常客观的，也就是要将图像恢复至没有雾霾下所获取的情况。但是如果将在雾霾环境下拍摄的照片就看作是一种图像本来的面貌，那么去雾显然就是人们为了改善主观视觉质量而对图像所进行的一种增强。一方面随着大气污染的日益严重，设法改善自动获取的图像质量其意义不言而喻。另一方面，随着数码设备的普及，消费类电子产品的市场也催生出许多新的需求，其中人们对所拍照片质量的修正和优化就是一个显而易见的需求。

【嵌牛鼻子】：图像增强，暗通道去雾

【嵌牛提问】：什么是暗通道？实际生活中造成暗原色中低通道值主要因素是什么？

【嵌牛正文】：

暗通道先验：在绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值。换言之，该区域光强度的最小值是个很小的数。

我们给暗通道一个数学定义，对于任意的输入图像J，其暗通道可以用下式表达：

式中Jc表示彩色图像的每个通道 ，Ω(x)表示以像素X为中心的一个窗口。

式（5）的意义用代码表达也很简单，首先求出每个像素RGB分量中的最小值，存入一副和原始图像大小相同的灰度图中，然后再对这幅灰度图进行最小值滤波，滤波的半径由窗口大小决定，一般有WindowSize = 2 * Radius + 1;

暗通道先验的理论指出：

实际生活中造成暗原色中低通道值主要有三个因素：a)汽车、建筑物和城市中玻璃窗户的阴影，或者是树叶、树与岩石等自然景观的投影；b)色彩鲜艳的物体或表面，在RGB的三个通道中有些通道的值很低（比如绿色的草地／树／植物，红色或黄色的花朵／叶子，或者蓝色的水面）；c)颜色较暗的物体或者表面，例如灰暗色的树干和石头。总之，自然景物中到处都是阴影或者彩色，这些景物的图像的暗原色总是很灰暗的。

无雾图像&暗通道：

有雾图像&暗通道：

首先，在计算机视觉和计算机图形中，下述方程所描述的雾图形成模型被广泛使用：

其中，I(X)就是我们现在已经有的图像（待去雾的图像），J(x)是我们要恢复的无雾的图像，A是全球大气光成分， t(x)为透射率。现在的已知条件就是I(X)，要求目标值J(x),显然，这是个有无数解的方程，因此，就需要一些先验了。

将式（1）稍作处理，变形为下式：

如上所述，上标C表示R/G/B三个通道的意思。

首先假设在每一个窗口内透射率t(x)为常数，定义他为

，并且A值已经给定，然后对式（7）两边求两次最小值运算，得到下式：

上式中，J是待求的无雾的图像，根据前述的暗原色先验理论有：

因此，可推导出：

把式（10）带入式（8）中，得到：

这就是透射率

的预估值。

在现实生活中，即使是晴天白云，空气中也存在着一些颗粒，因此，看远处的物体还是能感觉到雾的影响，另外，雾的存在让人类感到景深的存在，因此，有必要在去雾的时候保留一定程度的雾，这可以通过在式（11）中引入一个在[0,1] 之间的因子，则式（11）修正为：

本文中所有的测试结果依赖于：  ω=0.95。

上述推论中都是假设全球达气光A值时已知的，在实际中，我们可以借助于暗通道图来从有雾图像中获取该值。具体步骤如下：

1） 从暗通道图中按照亮度的大小取前0.1%的像素。

2） 在这些位置中，在原始有雾图像I中寻找对应的具有最高亮度的点的值，作为A值。

到这一步，我们就可以进行无雾图像的恢复了。由式（1）可知：  J = ( I - A)/t + A

现在I,A,t都已经求得了，因此，完全可以进行J的计算。

当投射图t 的值很小时，会导致J的值偏大，从而使淂图像整体向白场过度，因此一般可设置一阈值T0，当t值小于T0时，令t=T0，本文中所有效果图均以T0=0.1为标准计算。

因此，最终的恢复公式如下：

图像去雾：