基于暗原色去雾的低照度图像增强

一. 暗原色去雾简介

在图像去雾领域，几乎没有人不知道何凯明博士发表于2009年CVPR的best paper—《Single Image Haze Removal Using Dark Channel Prior》,文中指出，在绝大多数非天空的局部区域里，某些像素总会至少有一个颜色通道具有极低的值，也就是该区域的光照强度很小，对于任意输入图像J，其暗通道可以表示如下式：

式子中的C表示RGB图像的每个通道，Ω(x)表示为像素点的邻域，首先求出每个像素RGB分量中的最小值，存入一副和原始图像大小相同的灰度图中，然后对该图进行最小值滤波，滤波的半径由窗口大小决定。算法细节这里就不详细赘述，具体可以参考《Single Image Haze Removal Using Dark Channel Prior》论文，下图给出了暗原色去雾的一些论文效果图。

二. 基于暗原色去雾算法的低照度图像增强

启发于暗原色去雾算法，2011年的IMCE上《FAST EFFICIENT ALGORITHM FOR ENHANCEMENT OF LOW LIGHTING VIDEO》提出了一种基于暗原色去雾的低照度视频增强算法，但本人才疏学浅，对文章后续视频编码这块的内容不太理解，所以就单独讲讲前面对于单帧视频低照度增强的一些原理和实践代码。

文中指出，对于低照度图像，通常指的是在光照较暗或者是夜间拍摄得到的图像，进行翻转操作后，其图像表征及直方图表征，与去雾之前的图像具有很高的相似度。