matlab实现基于暗通道先验（DCP）的单图像去雾

 单副图像去雾的方法有很多，大致分为以下三种：

一、基于大气物理模型图像修复方法；

二、基于图像增强方法；

三、深度学习方法。

本文分享一下何凯明大神在09年提出来的《Single Image Haze Removal Using Dark Channel Prior》，也就是基于DCP(dark channel prior)暗通道先验的去雾方法，实验用matlab 实现。

原论文链接Single Image Haze Removal Using Dark Channel Prior | IEEE Journals & Magazine | IEEE Xplore

别的博主（淡淡的生活）写的中文翻译版，翻译的挺不错，对论文不熟的可以参考。Single Image Haze Removal Using Dark Channel Prior翻译_CV菜鸟的学习之路-CSDN博客

实验原理

  一、大气散射物理模型

 用公式来描述：

其中I为输入的有雾图像，t为介质传输率，通常称为（transmission）透射率，A为大气光，J即我们需要求解的无雾图像。

第一项 J(x)t(x) 为直接衰减项（目标物体在空气中传输造成的衰减），第二项 A(1-t(x)) 为大气散射光进入探测器（人眼）。

 二、暗通道（dark channel）

在大多数清晰无雾图像的非天空局部区域中，每一个像素点至少有一个通道的值很低，几乎为0，

图像的暗通道定义：两次取最小值的操作：先选取原图中RGB三通道内中的最小值，再对窗口（15*15）内作最小值滤波。

 三、估计透射率t（Estimating the Transmission）

  假设大气光已知，c为图像RGB的某一通道，透射率 t 在图像的相同景深处相同 即为一常数。

  两边同时除 ，有

  由于空气中有颗粒存在，不可能完全无雾，设置w=0.95，对透射率t优化：

  设置阈值t0=0.1，t=max(t,t0) , 防止t太小，导致输出图像趋向白化。

  t是一个与输入图片尺寸大小相同的矩阵，而不是数值。

 四、估计大气光A（Estimating the Atmospheric Light）

  取原图像暗通道的前千分之一最亮（灰度值最大）的像素点，在原图中找到这些像素点，取其中最大亮度值（如何定义最大亮度？我取的是三个通道灰度值的和）作为大气光（为一个3*1的向量）

五、恢复无雾图像（Recovering the Scene Radiance）

实验结果

 实验代码（部分）

clear all;


%% 读取数据文件夹图片的预处理
imgpath=('文件路径/');
imgDir1=dir('./Dataset/*.jpg');
imgDir2=dir('./Dataset/*.jpeg');%遍历所有jpg格式文件
imgDir=[imgDir1;imgDir2] ;%结构体的合并


%% 读取图片,去雾，存储
for i=1:length(imgDir) 
    img=imread(strcat(imgpath,imgDir(i).name));
    
    filename=imgDir(i).name;
    im=im2double(img);%读取每张图片
    dehaze_image=dehaze(im); %调用dehaze去雾函数
    
   %存储
   imwrite(dehaze_image, fullfile('Results/dehaze',filename));
   
   dehaze_image=uint8(dehaze_image*255);
   new_image=histeq_C(dehaze_image);%%直方图均衡化加强
   imwrite(new_image, fullfile('Results/dehaze+he',filename));
end