imreducehaze
减少大气雾霾
语法
[D,T,L] = (X)
［___= imreducehaze(X,amount)
［___= imreducehaze(___、名称、值)
描述
例子
使用默认参数减少雾霾
读取模糊的图像到工作空间。
A = imread(“foggysf1.jpg”）;
减少雾霾和显示的结果沿原图像。
B = imreducehaze(A);
(A, B，“蒙太奇”）
使用近似dcp对比度拉伸减少雾霾
读取模糊的图像到工作空间。
A = imread(“foggysf2.jpg”）;
减少90%的雾霾使用approxdcp方法。
B = imreducehaze(A, 0.9;“方法”，“approxdcp”）;
在原始图像旁边显示结果。
(A, B，“蒙太奇”）
估计雾霾厚度和图像深度
读取模糊的图像到工作空间。
A = imread(“foggyroad.jpg”）;
使用默认参数值减少图像中的雾霾。
[~， T] = imreducehaze(A);
在原始图像旁边显示结果。
图，imshowpair(A, T，“蒙太奇”）
雾霾厚度提供了场景深度的粗略近似，定义到一个未知的乘法因子。添加每股收益为了避免日志(0)．
D = -log(1-T+eps);
出于显示目的，请缩放深度，使其位于[0,1]。
D = mat2gray(D);
将原始图像显示在估计深度的旁边，用假颜色显示。
图subplot(1,2,1) imshow(A)， title(“朦胧的形象”) subplot(1,2,2)“深度估计”colormap(gca, hot(256))
输入参数
输出参数
提示
为了获得更好的效果，大气光值应该大于0.5
使用对比度增强为none，应用用户自定义的对比度增强技术
数值应接近1，以减少更多雾霾。
减少数量值，如果结果看起来颜色失真
算法
函数imreducehaze使用两种不同的去雾方法，simpledcp和approxdcp，来减少图像中的雾霾。这两种去雾技术可以分为五个主要步骤
利用暗通道先验估计大气光
透射图估计
细化估计的传输图
恢复
后置处理
描述雾霾像形成的广泛使用的模型[1]是
I(x) = J(x)t(x)+A(1-t(x))
在哪里我为观测到的强度，J是景色的光辉，一个大气是光的吗t是一种传输介质，描述未散射并到达相机的那部分光。通过对传输图的估计t还有大气光一个我们可以恢复场景亮度J．
J(x) = (I(x)-A)/(max(t(x)， t0)) + A
近似暗通道先验(Approximate Dark Channel Prior, ApproxDCP)方法[1]利用暗通道从单幅雾霾图像中去除雾霾。暗通道是基于一个关键的观察结果，即在室外无雾图像的大多数局部斑块中，至少在一个颜色通道中包含一些强度非常低的像素。大气光是用暗通道的前0.1%的明亮像素估计的。然后利用暗通道和大气光估计透射图。该方法采用引导滤波器对估计的传输图进行细化。在得到大气光和透射图后，利用逆科施米德定律恢复场景亮度。得到的去雾图像对比度较低(暗淡)，因此采用对比度增强作为后处理步骤来提高对比度。
简单暗通道先验(SimpleDCP)方法利用暗通道去除图像中的雾霾。暗通道可以通过考虑R, G, B通道的最小强度来估计。利用四叉树分解暗通道[2]估计大气光。然后利用暗信道对传输图进行估计。采用导向滤波器对传输图进行细化。利用估计的大气光和透射图来恢复场景的亮度。对比度增强技术是一种提高图像对比度的后处理方法。SimpleDCP和ApproxDCP的主要区别是暗通道和大气光的估计。
参考文献
何，开明。“使用暗通道先验去除单幅图像雾霾。”论文，香港中文大学，2011。
[2] Dubok，等。基于图像熵和信息保真度的单幅图像去雾。ICIP, 2014年。
在R2017b中引入
您也可以从以下列表中选择网站:
