MATLAB图像去雾算法：直方图均衡与Retinex实战

1. 图像去雾算法实战：从原理到MATLAB实现

作为一名长期与数字图像打交道的工程师，我经常遇到雾天拍摄的素材需要处理。今天分享三种自研的MATLAB去雾算法实现，包含全局/局部直方图处理和Retinex方法。这些代码经过多年项目打磨，特别适合需要快速处理户外雾霾图像的场景。

2. 算法原理深度解析

2.1 全局直方图均衡化

全局直方图算法基于LAB颜色空间进行操作，其核心思想是通过调整明度通道的分布来增强图像对比度。LAB空间由三个分量组成：

• L：明度通道（0-100）
• a：红绿色度通道（-128~127）
• b：黄蓝色度通道（-128~127）

算法选择LAB而非RGB空间的原因在于：

1. 颜色信息与亮度信息分离，避免调整时产生色偏
2. 更接近人类视觉感知特性
3. 明度通道单独处理不会影响色彩饱和度

关键参数说明：

• stretchlim自动计算图像中2%和98%百分位的像素值作为裁剪点
• imadjust将像素值线性映射到[0,1]全范围

2.2 局部直方图均衡化

局部算法采用HSV颜色空间，专注于明度(V)通道的区块化处理。相比全局方法，它具有以下优势：

1. 自适应处理不同区域的对比度
2. 保留更多细节纹理
3. 避免全局处理导致的局部过曝

技术要点：

• NumTiles参数决定分块数量，8×8适用于大多数1080P图像
• ClipLimit控制直方图裁剪强度，典型值0.02-0.05
• 分块处理需注意边界效应，算法内部会自动平滑过渡

2.3 Retinex理论实现

Retinex算法基于"光照-反射"模型，其数学表达为：
S(x,y) = R(x,y) × L(x,y)
其中：

• S：观测图像
• R：物体反射率（本征颜色）
• L：光照分量

算法步骤解析：

1. 高斯滤波估计光照分量L
2. 对数域计算反射率R = log(S) - log(L)
3. 归一化处理保证输出范围

参数选择建议：

• σ值决定去雾强度，小σ保留细节但去雾弱
• 典型σ范围30-100，户外场景建议50起调
• 0.01偏移量防止对数计算溢出

3. MATLAB实现详解

3.1 全局直方图完整代码

matlab复制function dehazed = glob