python图像去污_图像去雾----暗通道

暗通道去雾算法原理及实现

1. 算法原理。

暗通道。

所谓暗通道是一个基本假设，这个假设认为，在绝大多数的非天空的局部区域中，某一些像素总会有至少一个颜色通道具有很低的值。这个其实很容易理解，实际生活中造成这个假设的原因有很多，比如汽车，建筑物或者城市中的阴影，或者说色彩鲜艳的物体或表面(比如绿色的树叶，各种鲜艳的花，或者蓝色绿色的睡眠)，颜色较暗的物体或者表面，这些景物的暗通道总是变现为比较暗的状态。

所以暗通道是什么呢？其实比较简单，作者认为暗通道是：

暗通道先验理论指出：

暗通道实际上是在rgb三个通道中取最小值组成灰度图，然后再进行一个最小值滤波得到的。我们来看一下有雾图像和无雾图像暗通道的区别：

可以发现，有雾的时候会呈现一定的灰色，而无雾的时候咋会呈现大量的黑色(像素为接近0)，作者统计了5000多副图像的特征，基本都符合这样一条先验定理。

雾图形成模型

计算机视觉中，下面这个雾图形成模型是被广泛使用的：

其中I(x)是现有的图像(待去雾)，J(x)是要恢复的原无雾图像，A是全球大气光成分，t(x)是透射率，现在的条件就是已知I(x)，来求J(x),显然不加任何限制的话是有无穷多个解的。

但是现实生活中，即使是晴天白云，空气中也会存在一些颗粒，看远方的物体还是能够感觉到雾的影响，另外，雾的存在可以让人们感觉到景深的存在，所以我们保留一部分的雾，上式修正为：其中w是[0-1]之间的一个值，一般取0.95差不多。

上面的推导都是假设全球大气光是已知的，实际中࿰