用python图像去雾的代码

以下是一份Python图像去雾的代码示例：

import cv2
import numpy as np

def main():
    # 读入输入图像
    img = cv2.imread('input.jpg')

    # 转换为灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 扩展图像的边缘，添加边缘
    gray = cv2.copyMakeBorder(gray, 10, 10, 10, 10, cv2.BORDER_CONSTANT, value=(255,255,255))

    # 应用高斯滤波
    blur = cv2.GaussianBlur(gray, (21, 21), 0)

    # 计算原始图像与滤波后的图像的差异
    diff = 255 - cv2.absdiff(gray, blur)

    # 根据差异计算二值图像
    norm = cv2.normalize(diff, None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8UC1)
    _, thresh = cv2.threshold(norm, 200, 255, cv2.THRESH_BINARY)

    # 在二值图像上应用形态学操作
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (15, 15))
    morph = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

    # 移除添加的边缘
    mask = cv2.erode(morph, None, iterations=10)
    mask = cv2.dilate(mask, None, iterations=10)

    # 应用掩码，得到图像去雾结果
    result = cv2.inpaint(img, mask, 5, cv2.INPAINT_TELEA)

    # 保存输出图像
    cv2.imwrite('output.jpg', result)


if __name__ == '__main__':
    main()

以上代码通过应用高斯滤波和形态学操作，实现了对输入图像的去雾操作。具体步骤包括：

1. 读入输入图像，并将其转换为灰度图像。
2. 扩展图像的边缘，添加边缘。
3. 应用高斯滤波，得到滤波后的图像。
4. 计算原始图像与滤波后的图像的差异，并根据差异计算二值图像。
5. 在二值图像上应用形态学操作，得到掩码。
6. 应用掩码，得到图像去雾结果。
7. 保存输出图像。

请注意，这里的代码仅作示例之用，并不能完全适用于所有场景。在实际应用中，需要根据具体问题进行调整和优化。