《利用大氣光圖改進暗原色去霧效果》
對於景深變化大或亮度較低的圖像，容易出現去霧後圖像較暗的現象。導致這一現象的原因是，選取的大氣光值對於近處的景物不適用。
① RGB2GRAY
② 閾值分割（Otsu）
③ 計算亮區域的重心，與圖片中心計算亮度方向
④ 四個方向，→，↗，↑，↖。靠近哪個是哪個
⑤ 在這個方向上將圖像等分三大塊
⑥ 每個塊內計算亮度均值作爲A
⑦線性插值，形成一張大氣光圖
這篇文章中的A是單通道的，容易引起偏色，特別是在霧不大的圖片中。
可以學習的地方：景深變化較大的圖像中，近景的亮度比較小，並且向高亮區域逐漸變大。高亮區域一般是天空。
若圖片中的天空區域佔比不大，反而別的高亮度區域面積比天空大，可能會出現問題。
《基於引導濾波改進的暗原色去霧算法》
傳統的暗原色先驗去霧算法在處理含天空等大面積明亮 區域的有霧圖像時效果並不理想。
在有霧圖像中，暗原色失效區域的像 素具有亮白的特徵，其像素值近似於大氣光A的取值，並且 該區域不包含任何場景信息，霧對視覺效果的影響較弱。因 此，可利用大氣光的估計來減弱暗原色失效區域對透射率估 計的干擾，使其能夠合理地處理含天空等大面積明亮區域的 有霧圖像，進而得到理想的去霧效果。
(1) 對透射率圖進行引導濾波
(2) 通過像素值與A的差距，設置閾值，設定失效區域即高亮區域，
(3) 算高亮區域站全圖的比重W
(4) 設定閾值V，若W>V則調整他，將這區域中的透射率放大，K/(I-A)*t。其中K設置爲50.
(5)去霧，轉換成hsi顏色模型，對I通道進行均衡化處理。
更多思考：適用於天空部分，若能較好的選出天空部分，則可以通過放大透射率的方法處理天空部分
《圖像去霧中的大氣光強度自適應恢復算法研究》
(1) J=ti Ri l(x)+(1-ti)A，基於局部區域平滑特性ti和Ri不變（參照retinex）
(2) 分塊，統計像素是否分佈在一條直線上，若是則下一步，並稱其爲RGB線（有部分塊並不符合，並且塊的大小應有嚴格規定）
(3) RGB線與(1-ti)A相交，讓其與原點形成平面
(4) 兩兩平面相交的線稱爲候選方向
(5) 計算每一個塊到這個塊i的候選方向j的歐式距離dij
(6) 取所有dij中的中值，其中i作爲選出的塊
(7) 對於這個塊i選出其dij最小的候選方向j作爲最終方向。
以上僅僅是方向估計。
接下來是模估計。
引入懲罰因子a
那麼aA就是我們最初所估計的大氣光值，之後需要對其進行修正。
這個公式，我理解爲J與I都沒有變，那麼每個平面的交線還是沒有變的，所以可以認爲其相等。
在5中，t和l分別表示的是透射率和明暗係數，R表示圖像表面反射係數，即物體的反射性質，物體本該有的樣子。
所以Rx=R
可以發現當
在成霧公式中
作者通過這一發現，並且結合自然圖像的統計，將整個過程轉化成了一個最小化的優化目標函數。
光是看這篇文章，在A方向的算法上比較清晰，但是在對模估計時，我並沒有看的很明白，特別是自然圖像的統計之後的公式轉換。我也沒有寫出來。
這篇文章基於《Automatic recovery of the atmospheric light in hazy images》。
更深入的瞭解可以參考我的另一個博客https://blog.csdn.net/yinhou1771/article/details/81070803