基于暗通道先验单幅图像去雾Matlab算法的实现

基于暗通道先验的单幅图像去雾算法是一种经典的去雾方法，其主要思想是在图像中选择一个暗通道，通过该通道来估计雾的浓度，并根据估计的浓度来恢复图像。

以下是基于暗通道先验的单幅图像去雾Matlab算法的实现步骤：

1. 读取输入图像，将其转换为灰度图像。

2. 计算图像的暗通道。暗通道可以通过计算每个像素在RGB三个通道中的最小值来得到。

3. 估计图像中的全局大气光。由于雾天中空气中的微粒会吸收光线，导致图像中的亮度下降，因此可以通过暗通道来估计全局大气光。

4. 估计雾的浓度。根据估计的全局大气光和暗通道得到雾的浓度。

5. 恢复图像。利用估计的雾的浓度和全局大气光来恢复图像。

以下是基于暗通道先验的单幅图像去雾Matlab算法的实现代码：

% 读取输入图像
img = imread('input.jpg');

% 将图像转换为灰度图像
grayImg = rgb2gray(img);

% 计算暗通道
darkImg = min(img, [], 3);

% 估计全局大气光
windowSize = 15; % 窗口大小
topPercent = 0.001; % 选取暗通道前topPercent的像素
topNum = round(windowSize^2 * topPercent);
darkVec = darkImg(:);
[darkVecSorted, darkVecIdx] = sort(darkVec, 'ascend');
atmosphericLight = mean(img(darkVecIdx(end-topNum+1:end)));

% 估计雾的浓度
epsilon = 0.0001; % 防止除数为0
transmission = 1 - epsilon * min(img, [], 3) / atmosphericLight;
transmission = medfilt2(transmission, [15 15]); % 中值滤波

% 恢复图像
recoveredImg = zeros(size(img));
for i = 1 : 3
    recoveredImg(:, :, i) = (img(:, :, i) - atmosphericLight) ./ max(transmission, epsilon) + atmosphericLight;
end

% 显示结果
subplot(1, 2, 1);
imshow(img);
title('Input Image');
subplot(1, 2, 2);
imshow(recoveredImg);
title('Recovered Image');