python，设置大气能见度（单位km）将无雾图像合成为有雾图像

要将无雾图像合成为有雾图像，需要增加图像的散射和透射效果，以模拟雾的影响。

一种常用的方法是通过设置大气能见度参数来实现。在Python中，可以使用OpenCV库来实现这个功能。具体的步骤如下：

1. 读取无雾图像并转换为浮点类型。

import cv2
import numpy as np

img = cv2.imread('no_fog_image.jpg').astype(np.float32)/255.0

2. 生成一张随机噪声图像来表示雾的分布。这里使用均值为0，方差为0.1的高斯噪声来生成。

noise = np.random.normal(size=img.shape[:2])*0.1

3. 设置大气能见度参数，这个值越小表示雾越浓密。

visibility = 10

4. 计算每个像素点的透射率和散射率。透射率在可见光中表示光线传输的可行性，散射率表示光线经过物体后发生散射的概率。这里使用了下面这个公式来计算：

transmission = np.exp(-visibility*noise)
scattering = 1 - transmission

5. 根据透射率和散射率，将图像分成两部分，分别进行处理。首先需要对无雾的部分应用透射率，使光线更加透明。

transmission_filter = cv2.GaussianBlur(transmission, (3,3), 0)
output = np.empty_like(img)
for i in range(3):
    output[:,:,i] = (img[:,:,i] - np.min(img[:,:,i]))*transmission_filter + np.min(img[:,:,i])

6. 对有雾的部分应用散射率，使光线更加模糊。

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9,9))
for i in range(30):
    haze = cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX).astype(np.uint8)
    haze_gray = cv2.cvtColor(haze, cv2.COLOR_BGR2GRAY)
    mean_haze = cv2.morphologyEx(haze_gray, cv2.MORPH_OPEN, kernel)
    diff_haze = haze_gray - mean_haze
    darken = (1-scattering)*np.exp(-visibility*diff_haze)
    darken_filter = cv2.GaussianBlur(darken, (15,15), 0)
    for j in range(3):
        output[:,:,j] += (img[:,:,j] - np.min(img[:,:,j]))*darken_filter

output = np.clip(output, 0, 1)
output = (output*255).astype(np.uint8)
cv2.imwrite('foggy_image.jpg', output)

上面的代码会生成一张有雾的图像并保存到本地。您可以尝试不同的大气能见度参数和噪声的方差来调整雾的浓度和分布，以得到不同的效果。