基于暗通道先验条件图像去雾算法

本文介绍了何凯明博士提出的基于暗通道先验的图像去雾算法,该算法利用无雾图像的暗通道统计特性,有效估计透射率并恢复清晰图像。通过计算暗通道、透射率,结合大气光,最终实现图像去雾。实验结果显示,该方法能有效去除雾气,同时提供高质量的深度图。
摘要由CSDN通过智能技术生成

基于暗通道先验条件图像去雾算法

原文链接:基于暗通道先验条件图像去雾算法

香港大学何凯明博士于2009发表了一篇论文《Single Image Haze Removal Using Dark Channel Prior 》。在文章中,何凯明博士提出了一种简单而有效的图像先验暗通道消除单输入图像雾的算法。暗通道先验是一种无雾室外图像的统计。这是基于一个关键的观察——大多数无雾室外图像的局部区域包含一些像素,这些像素在至少一个颜色通道(R,G,B)中的强度非常低。利用这一先验模型,可以直接估计图像中薄雾的厚度,并恢复高质量的无薄雾图像。各种室外雾霾图像的结果表明了该方法的有效性。此外,作为除雾的副产物,还可以获得高质量的深度图。
在这里插入图片描述
图1 使用单个图像去除薄雾。
如图1所示,(a)为输入雾度图像,(b)为除雾后的图像,(c)深度图。
暗通道

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

LEEE@FPGA

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值