改进的基于暗原色先验的图像去雾算法

基于图像增强方法,本文提出了一种使用亮度映射的图像去雾快速算法。此算法通过调整室外多雾场景图像的对比度,提高了雾中物体的辨识度。算法的复杂度低、处理延迟小,实时性高,利于FPGA的实现。实现时不需外存

基于优化对比度增强的图像去雾算法，是该篇文章《Optimizedcontrastenhancementforreal-timeimageandvideodehazing》作者写的代码，为了能够运行起来

暗通道先验去雾算法，可以较好的去除大量雾。

import cv2 import numpy as npimg = cv2.imread('路径图像', 1)cv2.imshow("src", img) # 彩色图像均衡化,需要分解通道 对每一个

近年来，随着计算机软硬件技术的不断发展，对有雾天气图像的景物影像进行去雾处理已经成为可能，这反过来又对去雾图像的清晰度和真实感提出了新的要求。在雾天情况下，由于场景的能见度降低，图像中目标对比度和颜色

主要是基于边界约束去雾，它比暗通道先验去雾要新颖的多，而且实验结果更好，更能考虑和用户的交互。

基于直方图优化的图像去雾技术

雾霾天气严重影响户外视频系统的图像质量。随着户外视频系统的广泛和深入的应用,迫切需要能够进行实时处理的小型化的嵌入式图像去雾系统。提出一种基于ZYNQ的Retinex实时图像去雾方法,在HSV颜色空间

在这篇论文当中，我们提出了一种简单但是有效的图像先验规律——暗原色先验（dark channel prior）来为单一输入图像去雾

IEEE SENSORS JOURNAL “Image Dehazing by An Artificial Image Fusion Method based on Adaptive Structur