关于A 全球大气光 atmosphere light 算法总结

由于大气散色所用引起的光源的特性。随着距离的增大而增强。

A其实为无穷远处的一个大气光源，比如天空，这应该不是指天空中的云而是近地天空。

由于各种去雾算法不同对A的依赖可能也不相同。

我看到有几种方法对在去雾算法中应用，去估算A值。

1.基于物理模型的快速单幅图像去雾方法   禹 晶 李大鹏  廖庆敏

中提到的算法：

寻找天空并估计天空亮度。首先是天空特征：天空区域具有 3 个特性: 1) 亮度较
高; 2) 灰度平坦; 3) 位置偏上.

首先, 对彩色图像的最小颜色分量进行最小值
滤波, 也称为灰度腐蚀操作, 可表示为

式中, c 2 fR; G; Bg 分别表示 R、 G、 B 颜色通道;­ (x) 表示以像素 x 为中心的邻域, 其尺寸自适应地
与图像宽和高中的最小值成比例, 本文中取 0.025.然后, 采用 Canny 算子对彩色图像的灰度分量进行
边缘检测, 对边缘图像进行分块统计, 计算各图像块中边缘像素数所占的比例, 记为 Nedge( x). 同时

满足 Imin( x) > Tv 且 Nedge( x) < Tp 的像素集合指定为候选天空区域. 本文设定亮度阈值 Tv 为 Imin( x)
中最大值的 95 %, 平坦阈值 Tp 为 0.001. 图 2 (a) 为一幅雾天拍摄的图像, 在图 2 (b) 中候选天空区域用
青色标识.最后, 对候选天空区域标记连通分量. 利用天空区域位置的先验信息, 选取图像上方的一个连通分
量作为天空区域. 在原图像的对应区域中, 将最大像素值确定为天空亮度 A 的估计值。

个人认为算法复杂耗时较多。尤其是canny边缘检测及后面的计算天空区域的联通分量。

2.基于单幅图像的快速去雾算法

由于max(Mave(x))<