用python写图像去雾处理

在Python中进行图像去雾处理可以使用以下步骤:

1. 读取输入图像，将其转换为灰度图像。
2. 计算图像中像素的暗通道先验，即在一个局部窗口内找到最小值。
3. 估计全局大气光照。
4. 根据先前计算的暗通道、全局大气光照和图像中的透射率，进行图像去雾处理。
5. 对输出图像进行后处理，例如调整亮度和对比度等。

以下是一个简单的Python实现：

import cv2
import numpy as np

def dark_channel(img, size):
    # 计算暗通道
    min_img = cv2.erode(img, np.ones((size, size), np.uint8))
    return np.min(min_img, axis=2)

def estimate_a(img, p):
    # 估计全局大气光照
    height, width, _ = img.shape
    num_pixels = height * width
    flat_img = img.reshape(num_pixels, 3)
    flat_dark = p.flatten()
    sort_indices = np.argsort(flat_dark)[::-1]
    top_indices = sort_indices[:int(0.1*num_pixels)]
    top_pixels = flat_img[top_indices]
    return np.max(top_pixels, axis=0)

def estimate_t(img, a, w):
    # 估计透射率
    normalized_img = img.astype(np.float32) / a.astype(np.float32)
    return 1 - w * dark_channel(normalized_img, 15)

def dehaze(img, w=0.95, tmin=0.1):
    # 图像去雾处理
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    gray = gray.astype(np.float32) / 255.0
    a = estimate_a(img, gray)
    t = estimate_t(img, a, w)
    t = np.maximum(t, tmin)
    t = cv2.blur(t, (15, 15))
    t = np.expand_dims(t, axis=2)
    a = np.expand_dims(a, axis=0)
    a = np.expand_dims(a, axis=0)
    a = np.tile(a, [img.shape[0], img.shape[1], 1])
    result = np.divide((img.astype(np.float32) - a), t) + a
    result = np.clip(result, 0, 255).astype(np.uint8)
    return result

使用该函数进行图像去雾处理的示例代码：

img = cv2.imread("input.jpg")
result = dehaze(img)
cv2.imwrite("output.jpg", result)

其中，"input.jpg"为输入图像的文件名，"output.jpg"为输出图像的文件名。