MATLAB图像处理：一分钟去除图片中的雾霾

一分钟去除图片中的雾霾

———-

山光全暝水光浮。

数里霏霏晓雾收。

露彩乍疑藏汉殿，

日光不透掩秦楼。

这是古人对于雾生动的描写，大概是说雾来无影去无踪，若隐若现十分神秘，然而生活在茫茫穹顶之下的我们，对于雾景的理解，却是这样的：

设想一下，当你身处美景，想一览寒梅的风采，快门一响，却被雾霾抢了镜头：

（ps：这张图真是太适合本帖了）

（图片来源于网上，欢迎保存测试）

广大的程序员们，对于这种情况千万要淡定！我们只需要不疾不徐的掏出笔记本，打开matlab，还原这幅寒梅图的本色只需一分钟！

—————————————————————————————————————————————————

（华丽的分割线，进入正题，从下文开始这幅寒梅图的名字叫fog.jpg）

使用matlab还原一个没有雾霾的世界，当务之急是要明白计算机是怎么看这幅图片中雾霾的，

其实很简单，对于计算机而言，一张像素大小为M*N的图，就是一个行为M（图片的长 ），列为N的一个矩阵（图片的宽），

此矩阵中每一个元素都是一个包含了[R,G,B]三原色的数组，代表着该像素点的颜色值，反过来由M*N个像素点组成的一个矩阵，

就是我们在计算机上看见的图片。

现在我们切实感受一下图像在计算机世界的显示方式，

把fog.jpg从文件夹中拖入matlab当前文件夹中， 在命令行中输入

 I=imread('fog.jpg') %读取图片，并用I保存图片的矩阵

会看见屏幕上数字飞滚，那就是这张图片的矩阵数据，仅仅220*220大小的图片就包含了漫漫多的145200个int类型数据如图：
然而计算机对于雾这种东西的理解，才是本文的精髓，这里要引出一个概念：直方图。直方图是指对图片进行颜色分类后，反映不同颜色出现次数的统计情况（也有人说是统计灰度的，这里说统计色彩为了更好理解），如肉眼所见，雾霾占据了整张图片的大部分面积，把整体的颜色拖向偏白的颜色，这使得该图的直方图变得更为集中于一个区域——白色

如此说来根据计算机对雾霾的理解，去除雾霾的原理，就是让图像的直方图从集中于白色的状态，转化成均匀的分布的状态，这样，图像才会回到原来丰富的色彩，雾霾占据的地方就会变得更加清晰了，然而matlab已然已经准备好了相关的函数histeq（参数是一个uint8的数组）。（终于可以说代码的事了。。。。)

核心代码如下：

function In = removeFogByGlobalHisteq(I)
%removeFogByGlobalHisteq 通过全局平衡直方图对图像去雾处理
%  I 输入图像
%拆分三原色
R=I(:,:,1);
G=I(:,:,2);
B=I(:,:,3);
%取直方图平衡
M=histeq(R);
L=histeq(G);
N=histeq(B);
%融合直方图
In=cat(3,M,L,N);
%上面的代码就是去雾用的
%-----------------------
%下面的代码都是用于显示的
    figure;
    subplot(2,2,1);imshow(I);title('原图' ,'FontWeight','Bold');
    subplot(2,2,2);imshow(In);title('处理后的图' ,'FontWeight','Bold');
    Q=rgb2gray(I);%获取该图直方图
    W=rgb2gray(In);%获取该图直方图

    subplot(2,2,3);imhist(Q,64);title('原图直方图' ,'FontWeight','Bold');
    subplot(2,2,4);imhist(W,64);title('处理后直方图' ,'FontWeight','Bold');
end

下面是效果图：

（处理后的直方图明显平缓了很多。。）

看到这一幕，是否很惊讶？！学会这招，强力对抗雾霾，闲来给妹子秀一发，形象瞬间从程序猿、修电脑的

一跃成为软件工程师和亲爱的有没有 ？

千万不用谢我，应该的应该的。。。。（那啥，我的银行账号写这了哈：xxxxxxxxxxx）