基於暗通道先驗的單幅圖像去霧算法研究（一）
- 算法框圖
- 改進之處詳解
- 代碼實現與仿真結果
算法框圖
改進之處詳解
自適應濾波窗口大小
對於最小值濾波窗口的大小採用自適應的方法，應對所有的圖片尺寸。
**實現方法
windowsize=min(h*0.03,w*0.03,35)
其中35爲最高的閾值，35*35濾波窗口對於各種尺寸圖片的濾波結果都相對較好。
自適應大氣光值的求解（天空分割）
大氣光值原始求解方法
（1）對暗通道圖像的像素強度進行排序，對前千分之一的像素點對應的原始圖像區域作爲天空區域，此區域內的像素最大值作爲大氣光值。
（2）直接將暗通道圖像中像素最高的點，對應的原始圖像的點的像素作爲大氣光值。
大氣光值自適應求解方法
首先將圖像分爲天空區域和非天空區域，找到天空區域中像素最大點，得到原始圖像中該點對應的最小值濾波窗口，找出窗口中滿足條件的像素點，選擇最大的點作爲大氣光值，若沒有滿足條件的點，則將窗口中的像素平均值作爲大氣光值。
條件
A=(1-a)max(Idark)+a*max(Irgb)
條件原理
論文
天空區域分割的步驟：
（1）灰度圖像，濾波，canny邊緣檢測，得到包含邊緣信息的二值圖像
（2）對二值圖像進行從上到下掃描，將每一列的第一個等於1的像素點之前的全部爲1，之後的像素點全部置爲0，得到新的二值圖像
（3）求取像素點爲1的區域對應灰度圖區域的像素平均值和最大值，若Imax>0.9*Iavg，則圖像中有天空區域，應用自適應的方法求解大氣光值，否則採用原始方法。
實現方法
Markdown Extra
導向濾波
對透射率進行矯正
實現方法
暗通道先驗失效區域透射率的優化（加入容差值）
原理講解
對大氣光散射模型進行改進，考慮車燈、水面等區域的像素強度接近大氣光，暗通道先驗模型，並不適用，故而加入一個容差值，當像素強度達到容差值K時，將它看作大氣光區域，這樣計算出來的去霧圖像在光亮區域不會有色斑。
容差值K的取值
K=0.7*Idark_avg
代碼實現與仿真結果
實現方法
（1）在自適應大氣光值的部分，並沒有完全按照那個條件求，滿足條件的點，直接用平均值作爲A。用原始方法求解A，得到的結果一樣，下次嘗試求解滿足條件的點，
（2）針對去霧圖像的結果太暗的問題，應用伽馬校正和自動色階，伽馬小於1，但是對於無霧的部分，會有模糊，而且伽馬值的選取。
（3）在求解A的部分加入了最大大氣光值220，作爲限制
（4）在求解粗略透射率時，加入平均大氣光值，得到的透射率圖更好
（5）加入了自動色階，但是得到的圖像的去霧效果並不很好，然後再看一下何博士的論文，同時嘗試用深度學習的方法做。
天空部分有色斑！！！