图像去雾思考

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。