2024引导滤波去雾算法 .pdf

2024引导滤波去雾算法

引导滤波去雾算法是一种用于图像去雾的算法，它可以有效地减少雾

霾对图像的影响。该算法是在暗通道先验假设基础上进行改进的。下面将

详细介绍2024年引导滤波去雾算法的原理及步骤。

引导滤波去雾算法的基本原理是通过引导图像的信息来进行滤波操作，

以保留有用的信息并去除雾霾导致的噪声。通常情况下，引导图像是输入

图像的亮度通道或梯度图，它能够提供更高质量的引导信息。

引导滤波去雾算法的主要步骤如下：

1.估计大气光照

首先，需要估计输入图像中的大气光照。大气光照的估计对于去雾算

法至关重要，它可以帮助我们了解图像中的雾霾浓度。通常使用暗通道先

验方法来估计大气光照。通过计算输入图像中每个像素点的R、G、B通道

的最小值，我们可以得到一个表示暗通道的图像。然后，选择暗通道图像

中的前1%的亮度像素点，估计这些像素点的平均值作为估计的大气光照。

2.估计全局大气光照

接下来，需要估计全局大气光照。这可以通过计算图像的全局暗通道

来实现。全局暗通道是指通过对整个图像像素点的R、G、B通道进行最小

值操作得到的图像。然后，选择全局暗通道中的前1%的亮度像素点，估

计这些像素点的平均值作为全局大气光照。

3.计算透射率

接下来，需要计算图像中每个像素点的透射率。透射率是指图像中每

个像素点需要透过的雾霾浓度。通过使用大气光照和全局大气光照的估计

值，我们可以计算每个像素点的透射率。透射率的计算公式为：t(x)=1

-w*min(I(x)/A,A)，其中t(x)表示透射率，I(x)表示输入图像中的

像素值，A表示全局大气光照的估计值，w是一个权重因子，用于控制透

射率的影响范围。

4.修复图像

最后，需要根据估计的透射率来修复图像中的雾霾。通过对输入图像

的每个像素点进行修复操作，将雾霾的影响减弱。修复操作的公式为：

J(x)=(I(x)-A)/max(t(x),t0)+A，其中J(x)表示修复后的图像，

I(x)表示输入图像中的像素值，A表示全局大气光照的估计值，t(x)表示

透射率，t0是一个阈值，用于控制透射率的最小值，以避免过度增强。

通过以上步骤，我们可以获得去除雾霾后的图像。引导滤波去雾算法

通过利用引导图像的信息，提取出有效的引导信息来进行滤波操作，从而

减少雾霾的影响，使图像更加清晰和真实。该算法在去雾效果上表现出较

好的性能，并且能够保留图像中的细节信息。