本文介绍了基于图像暗通道的去雾算法，通过数学推导得到透射率的估计公式，并详细阐述了如何求解环境光A。实验中采用特定的权重值进行修正，并提出在透射率较小的情况下应用阈值处理，以实现图像的去雾效果。
本文主要介绍一种常用的图像去雾算法，算法原文作者是何凯明，该文章获得2009年CVPR最佳论文。原文地址http://research-srv.microsoft.com/en-us/um/people/kahe/publications/pami10dehaze.pdf 本文基于学习和分享的目的，探讨图像去雾算法。
首先介绍一下理论基础：
暗通道：何博士对大量的户外图像进行分析后，发现一个普遍存在的规律。在晴空图像的patches中，至少有一个通道的某些像素的值很小，接近零。换句话解释：在一幅晴空图像的非天空部分的局部区域内，存在一些像素至少一个颜色通道具有很低的值。该区域内各个通道的最小值接近零。
上面的公式表述了这种统计规律，y是像素索引，位于以像素x为中心的窗口内，c代表图像的通道（真彩色图像对应得值为红、绿、蓝），J是求得的暗通道图像。
暗通道的求法：先对图像每个像素三个通道的值取最小，得到最小通道图像，再对该图像做滤波，窗口大小根据具体情况选取。
根据先验知识可知，晴朗区域的暗通道值接近0
建筑物、汽车等的阴影；彩色地物或者是树干、石头等，这些地物都符合该先验知识，因而这一假设在大部分情况下成立。
为了说明该先验知识的通用性，作者做了很多实验，在论文中有体现。本文只展示做的一组实验如下：
对应的暗通道计算结果如下，可以看到除了云区其他部分区域暗通道值都很低：
上述暗通道图像均使用的窗口大小为15*15。
扫一扫
9231
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
