暗通道先验原理——DCP去雾算法

最新推荐文章于 2024-04-24 21:39:59 发布

我在鼓楼。

最新推荐文章于 2024-04-24 21:39:59 发布

阅读量7.5k

点赞数 1

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_45426694/article/details/109021118

版权

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。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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；—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

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。