暗通道先验原理——DCP去雾算法

本文介绍了暗通道先验原理在去雾算法中的应用。首先阐述了雾图形成模型,包括待去雾图像、无雾图像、大气光和透射率的概念。接着,详细讨论了Dark Channel Prior的统计规律,即无雾图像中局部区域通常存在暗通道。通过Dark Object Subtraction方法,利用全图最暗点进行去雾处理。最后,提出了暗通道先验的计算方法,通过寻找每个像素周围区域的最小值来创建暗通道图像,并通过滤波处理实现去雾效果。有雾和无雾图像的暗通道特征对比显示了该方法的有效性。
摘要由CSDN通过智能技术生成

一、雾图形成模型:

I(x)=J(x)t(x)+A(1-t(x))

I(x)—待去雾图像;J(x)—恢复的无雾的图像;A—全球大气光成分;t(x)—透射率

变形:

\frac{I^{c}(x)}{A^{c}}=t(x)\frac{J^{c}(x)}{A^{c}}+1-t(x)

c为R、G、B三通道。

二、Dark Channel Prior——统计规律

对于一个无雾图像,每个局部区域很可能至少一个颜色通道会有很低的值,或黑色东西。(非天空区域)

每个局部区域都总有一些很暗的东西。

Dark Object Subtraction

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
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