标签：
该算法基于雾图像成像模型：
其中，I(X)就是待去雾的图像，J(x)是我们要恢复的无雾的图像，A是环境光， t(x)为透射率。现在的已知I(X)，求目标值J(x)。其中环境光A的计算，参考暗通道去雾算法。定义F(x,y)为图像的雾浓度，对应于模型中的A(1-t(x))。
第一步：
function SD = MyCloud( IM ) %MYCLOUD Summary of this function goes here % Detailed explanation goes here row=30; line=30; p=0.2; [h, w, c] = size(IM); %获取原图三通道 R= IM(:,:,1); G= IM(:,:,2); B= IM(:,:,3); %获取原图三通道结束 %每个像素取三通道最小值 for i=1:h for j=1:w if R(i,j)<G(i,j) if R(i,j)<B(i,j) M(i,j)=R(i,j); else M(i,j)=B(i,j); end else if G(i,j)<B(i,j) M(i,j)=G(i,j); else M(i,j)=B(i,j); end end end end
这里的IM为传入参数，即读取的原图，其中h,w,c分别为行数、列数和通道数。
用M记录每个点三通道的最小值
第二步：
%将M中值滤波
Am=medfilt2(M,[row,line]);
%Am=M;
将M中值滤波，Am为中值滤波以后的结果，平滑的同时保留M的边缘信息。
第三步：
for i=1:h
for j=1:w
if Am(i,j)>M(i,j)
temp(i,j)=Am(i,j)-M(i,j);
else
temp(i,j)=M(i,j)-Am(i,j);
end
%temp(i,j)=abs(Am(i,j)-M(i,j));
end
end
计算|Am(x,y)-M(x,y)|，将结果存在temp里
median=medfilt2(temp,[row,line]);
将temp中值滤波，结果存在median。
%计算B(x,y) for i=1:h for j=1:w B(i,j)=Am(i,j)-median(i,j); end end
第四步：
%F=max(min(p*B,M),0);
for i=1:h
for j=1:w
F(i,j)=max(min(p*B(i,j),M(i,j)),0);
end
end
这里用p*B与M之间的最小值跟0比是为了防止有负数的情况产生，如果结果比0小则取0.
第五步：
Dark=MyDark( IM ,h, w, c);
具体MyDark函数怎么运行我会在另一篇博客中详细介绍，这里只需要知道他是返回的暗通道图就可以了
获取IM的暗通道图存在Dark中
%countDark为0.1%的点的个数
countDark=floor(h*w/1000);
%IMtoGray为原图的灰度图像
IMtoGray=rgb2gray(IM);
CopyDark=Dark;
%ic矩阵横坐标存的是亮点的序号, Dcoordinate存亮点的位置
Dcoordinate=zeros(floor(countDark/1),1);
for ic=1:countDark
temp=find(CopyDark==max(max(CopyDark)));
Dcoordinate(ic,1)=temp(1,1);
CopyDark(temp(1,1))=0;
end
将暗通道图中最亮的0.1%的点的位置记录下来。
LuvIM=colorspace(‘Luv<-RGB‘,IM); LightIM=zeros(floor(countDark/1),1); for ic=1:countDark x=ceil(Dcoordinate(ic,1)/w); y=rem(Dcoordinate(ic,1),w); if y<1 y=w; end LightIM(ic,1)=LuvIM(x,y,1); end
将原图转换成LUV图，记录这千分之一个点的亮度值，
J=LuvIM;
A=max(max(LightIM));
取这中间最大的亮度值为A
第六步：
根据公式：
获得去雾后的图像。
标签：
原文地址：http://www.cnblogs.com/PHPer-Wu/p/4489259.html
