利用自适应gamma校正函数估算出无雾图像最小通道，然后基于天空分割得到天空区域与非天空区域的透射率，再叠加为一个总的透射率，从而通过暗通道先验算法实现图像去雾。请给出python代码和中文注解

以下是基于自适应gamma校正函数和暗通道先验算法的图像去雾实现代码及中文注解：

import cv2
import numpy as np

def gamma_correction(image, gamma=1.0):
    """
    自适应gamma校正函数，用于估算无雾图像的最小通道
    :param image: 输入图像
    :param gamma: gamma值，默认为1.0
    :return: gamma校正后的图像
    """
    inv_gamma = 1.0 / gamma
    table = np.array([((i / 255.0) ** inv_gamma) * 255 for i in np.arange(0, 256)]).astype("uint8")
    return cv2.LUT(image, table)

def get_min_channel(image):
    """
    通过估算自适应gamma校正函数得到无雾图像的最小通道
    :param image: 输入图像
    :return: 无雾图像的最小通道
    """
    # 计算每个通道的标准差
    stds = [np.std(gamma_correction(image[:,:,i])) for i in range(3)]
    # 选择标准差最小的通道作为无雾图像的最小通道
    min_channel = np.argmin(stds)
    return min_channel

def get_atmosphere(image, min_channel):
    """
    通过最小通道得到图像的全局大气光值
    :param image: 输入图像
    :param min_channel: 无雾图像的最小通道
    :return: 图像的全局大气光值
    """
    # 取最小通道的灰度值
    channel = image[:,:,min_channel]
    # 对灰度值进行排序
    sorted_channel = np.sort(channel.reshape(-1))
    # 取最亮的0.1%的像素点
    top_pixels = sorted_channel[-int(channel.size * 0.001):]
    # 计算这些像素点的平均值
    atmosphere = np.mean(top_pixels)
    return atmosphere

def get_transmission(image, atmosphere, w=0.95):
    """
    通过天空分割得到天空区域和非天空区域的透射率，并将其叠加为总的透射率
    :param image: 输入图像
    :param atmosphere: 图像的全局大气光值
    :param w: 经验值，透射率的权重，默认为0.95
    :return: 总的透射率
    """
    # 计算透射率的候选值
    candidate_trans = 1 - w * (image / atmosphere).min(axis=2)
    # 对候选值进行中值滤波
    trans = cv2.medianBlur(candidate_trans.astype('float32'), 15)
    # 对透射率进行归一化
    trans = (trans - trans.min()) / (trans.max() - trans.min())
    return trans

def dehaze(image, w=0.95):
    """
    基于自适应gamma校正函数和暗通道先验算法实现图像去雾
    :param image: 输入图像
    :param w: 经验值，透射率的权重，默认为0.95
    :return: 去雾后的图像
    """
    # 估算无雾图像的最小通道
    min_channel = get_min_channel(image)
    # 得到图像的全局大气光值
    atmosphere = get_atmosphere(image, min_channel)
    # 得到总的透射率
    trans = get_transmission(image, atmosphere, w)
    # 通过暗通道先验算法得到去雾后的图像
    dehazed = np.zeros_like(image)
    for i in range(3):
        dehazed[:,:,i] = (image[:,:,i] - atmosphere) / trans + atmosphere
    return dehazed

使用方法：

# 读取输入图像
image = cv2.imread('input.jpg')
# 进行去雾处理
dehazed = dehaze(image)
# 显示结果
cv2.imshow('input', image)
cv2.imshow('dehazed', dehazed)
cv2.waitKey(0)
cv2.destroyAllWindows()