基于暗通道先验的低照度图像去模糊

基于暗通道先验的低照度图像去模糊算法可以通过以下步骤实现：

1. 估计暗通道：将低照度图像转换为灰度图像，并使用一个小的滑动窗口来计算每个像素点的暗通道值。

2. 估计大气光：在暗通道图像中找到像素值最大的位置，该位置对应的像素值即为大气光的估计值。

3. 估计传输率：根据暗通道先验，估计传输率。其中，透射率$t(x)$可以表示为：$t(x) = 1 - \omega \min_{c \in \{R,G,B\}}(\frac{I(x)}{A_c})$，其中，$\omega$是调节因子，$I(x)$是像素点$x$的暗通道值，$A_c$是大气光在通道$c$上的值。

4. 估计退化函数：由于低照度图像可能存在运动模糊，需要估计退化函数。一种简单的方法是将传输率平方后得到退化函数$h(x)$，即$h(x)=t^2(x)$。

5. 恢复图像：使用逆滤波或盲复原等方法来恢复图像。

下面是基于暗通道先验的低照度图像去模糊的Python代码示例：

import cv2
import numpy as np

def get_dark_channel(img, window_size):
    # 计算每个像素点在指定窗口下的最小值
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (window_size, window_size))
    dark_channel = cv2.erode(img_gray, kernel)
    return dark_channel

def get_atmospheric_light(img, top_percent):
    # 获取全局大气光值
    im_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    height, width = im_gray.shape
    num_pixels = height * width
    num_select_pixels = int(num_pixels * top_percent)
    im_gray_flat = im_gray.reshape(num_pixels)
    indices = np.argsort(-im_gray_flat)
    return np.mean(im_gray_flat[indices[:num_select_pixels]])

def get_transmission(img, atmospheric_light, omega):
    # 获取透射率
    img_dark = get_dark_channel(img, 15)
    transmission = 1 - omega * (img_dark / atmospheric_light)
    return transmission

def get_blur_kernel(img, transmission, kernel_size):
    # 获取模糊核
    h = np.ones((kernel_size, kernel_size))
    kernel = np.zeros((kernel_size, kernel_size, 3))
    for i in range(3):
        kernel[:,:,i] = h * transmission
    kernel /= kernel.sum()
    return kernel

def restore_image(img, kernel):
    # 恢复图像
    img_blur = cv2.filter2D(img, -1, kernel)
    img_restore = cv2.normalize(img / img_blur, None, 0, 255, cv2.NORM_MINMAX)
    return img_restore

def deblur(img, omega=0.95, top_percent=0.001, kernel_size=15):
    # 低照度图像去模糊
    atmospheric_light = get_atmospheric_light(img, top_percent)
    transmission = get_transmission(img, atmospheric_light, omega)
    kernel = get_blur_kernel(img, transmission, kernel_size)
    result = restore_image(img, kernel)
    return result

使用该算法进行低照度图像去模糊，只需调用`deblur`函数即可，如下所示：

img = cv2.imread('input.jpg')
result = deblur(img)
cv2.imwrite('output.jpg', result)

其中，`img`为输入图像，`omega`为调节因子，`top_percent`为全局大气光值所占像素百分比，`kernel_size`为模糊核大小。