海边的小溪鱼1. 图像去雾技术概述
在计算机视觉和图像处理领域，图像去雾技术一直是一个重要的研究方向。这项技术主要解决的是由于大气散射效应导致的图像质量下降问题。当光线穿过大气层时，悬浮的微小颗粒（如雾、霾、灰尘等）会散射光线，使得拍摄的图像出现对比度降低、颜色失真和细节丢失等现象。
传统去雾方法通常基于物理模型，其中最著名的是大气散射模型。这个模型将雾化图像的形成过程描述为两个主要成分的叠加：直接衰减项和环境光项。数学表达式可以表示为：
I(x) = J(x)t(x) + A(1-t(x))
其中：
- I(x)表示观测到的雾化图像
- J(x)表示我们想要恢复的无雾图像
- t(x)表示透射率图，描述光线到达相机的比例
- A表示大气光值，通常假设为全局常数
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 自适应透射率估计方法
2.1 暗通道先验理论
暗通道先验(Dark Channel Prior, DCP)是由何恺明等人提出的一个重要观察结果。他们发现，在绝大多数无雾图像的局部区域中，至少有一个颜色通道的某些像素值非常低，甚至接近于零。这一现象可以用数学公式表示为：
J^dark(x) = min_{y∈Ω(x)}( min_{c∈{r,g,b}} J^c(y) ) ≈ 0
其中：
- J^dark(x)表示图像在x位置的暗通道值
- Ω(x)表示以x为中心的局部区域
- c表示RGB颜色通道
基于这一先验知识，我们可以估计初始透射率图。具体步骤如下：
- 计算输入图像的暗通道图
- 估计全局大气光值A（通常取暗通道图中亮度最高的0.1%像素）
- 计算归一化图像：I^c(x)/A^c
- 计算归一化暗通道图
- 根据公式得到初始透射率估计：t(x) = 1 - ω·dark_channel_normalized
2.2 透射率优化技术
初始透射率估计往往存在块状伪影和边缘模糊的问题。为了解决这些问题，我们采用引导滤波(Guided Filter)进行优化。引导滤波是一种边缘保持的平滑滤波器，它能够在平滑图像的同时保留重要的边缘信息。
引导滤波的核心思想是假设滤波输出是引导图像I的局部线性变换：
q_i = a_k I_i + b_k, ∀i ∈ ω_k
其中：
- q_i是输出像素值
- I_i是引导图像像素值
- ω_k是以像素k为中心的