图像去雾:
1、是否可以判断一张图像是否存在雾?
2、暗通道中存在的问题:(转自原博https://blog.csdn.net/f290131665/article/details/79452891?spm=1001.2014.3001.5502)
暗通道的缺陷1:首先理解暗通道的“暗”的原因,这个暗的原因也解释了为什么天空区域会失效,论文中大理石部分会失效。在这里有衍生出一个研究点,失效部分怎么办?——很多关于大面积天空的去雾方法,比如天空分割。感觉这里还存在可挖掘的点,毕竟大面积天空的图像上天空部分实际上是没法解出来的。
暗通道的缺陷2:去雾后图像偏暗,这里可以采用图像增强的方法对去雾后的图像做后续处理,以增强效果,这只能做辅助工作,不能作为主要的研究创新点。
暗通道的缺陷3:初始的暗通道方法求出的传输图t是粗糙的,造成恢复后的图像边缘会存在光晕。首先明白光晕出现的原因,是t在物体边界时方块模糊的。这里存在一个矛盾:求暗通道的过程本身就是在窗口内最小值滤波,结果肯定会出现边界模糊的暗通道图,而传输图是根据暗通道图求出来,这导致传输图t也是边界模糊的,但是在恢复的时候又要求传输图物体边界必须清晰,因为物体边界的传输率t一定是不同深度,所以绝对是不相同的。我认为这对矛盾是暗通道去雾最大的研究点。即如何能同时求出暗通道同时保证边缘信息不丢失(双边滤波?)。然而这个问题被何凯明完美解决了,首先最初提出了softmatting方法(这是一种抠图方法,能得到雾图精细的边缘,这个方法我还没有深入研究),但它的效率很低,之后何凯明又提出了复杂度更低的导向滤波,那么这个矛盾就被完美解决了
3、各参数对去雾结果的影响
第一:窗口的大小。这个对结果来说是个关键的参数,窗口越大,其包含暗通道的概率越大,暗通道也就越黑。我们不去从理论角度分析,从实践的效果来看,似乎窗口越大,去雾的效果越不明显。
第二:ω具有着明显的意义,其值越小,去雾效果越不明显。