实现基于暗通道先验的大气透射率估计图，并采用软抠图法和引导滤波法得到精细化大气透射率图 matlab实现代码

以下是一个基于暗通道先验的大气透射率估计图的 Matlab 代码：

function [t, A] = dark_channel(im, w)
% 计算暗通道图像和大气透射率
% im：输入图像
% w：窗口大小

[h, w, ~] = size(im);
n = h*w;
im_flat = reshape(im, n, 3);  % 将图像转换为[n,3]的二维矩阵

% 计算每个像素的最小值，得到暗通道图像
dc = min(im_flat, [], 2);
dc = reshape(dc, h, w);

% 计算暗通道图像的平均值，得到全局大气光A
A = mean(reshape(im_flat(repmat(dc, [1 3]) == dc, :), [], 3));

% 计算大气透射率t
t = 1 - 0.95*dc/max(A) + 0.05;
t = min(max(t, 0), 1);

% 用引导滤波和软抠图对t进行精细化处理
r = 60;  % 引导滤波器窗口大小
eps = 0.0001;  % 引导滤波器参数
t_smooth = guided_filter(im2double(im), t, r, eps);
t_smooth = soft_matting(im2double(im), t_smooth, 0.1, 1e-5);

% 返回精细化的大气透射率和全局大气光
t = reshape(t_smooth, h, w);
A = reshape(A, 1, 1, 3);
end

其中，`im`是输入图像，`w`是窗口大小，返回值`t`是精细化的大气透射率图像，`A`是全局大气光。该函数首先计算暗通道图像和全局大气光，然后计算大气透射率。最后，使用引导滤波和软抠图对大气透射率进行精细化处理。

引导滤波和软抠图的实现可以使用以下两个函数：

function q = guided_filter(I, p, r, eps)
% 引导滤波器
% I：输入图像
% p：导向图像
% r：窗口半径
% eps：正则化参数

[h, w, ~] = size(I);
n = box_filter(ones(h, w), r);
mean_I = box_filter(I, r) ./ n;
mean_p = box_filter(p, r) ./ n;
mean_Ip = box_filter(I.*p, r) ./ n;
cov_Ip = mean_Ip - mean_I .* mean_p;
mean_II = box_filter(I.*I, r) ./ n;
var_I = mean_II - mean_I .* mean_I;

a = cov_Ip ./ (var_I + eps);
b = mean_p - a .* mean_I;

mean_a = box_filter(a, r) ./ n;
mean_b = box_filter(b, r) ./ n;
q = mean_a .* I + mean_b;
end

function alpha = soft_matting(I, alpha, lambda, epsilon)
% 软抠图
% I：输入图像
% alpha：二值分割图像
% lambda：平滑参数
% epsilon：正则化参数

[h, w, ~] = size(I);
n = h*w;
I_flat = reshape(I, n, 3);
alpha_flat = reshape(alpha, n, 1);

% 计算颜色相似度矩阵W
eps = 1e-7;  % 防止除以0
W = zeros(n, n);
for i = 1:n
    for j = i+1:n
        d = sum((I_flat(i,:) - I_flat(j,:)).^2);
        W(i,j) = exp(-d/lambda);
        W(j,i) = W(i,j);
    end
end

% 计算矩阵D和L
D = diag(sum(W, 2));
L = D - W;

% 计算alpha的前景和背景权重
f = alpha_flat;
b = 1 - alpha_flat;
df = spdiags(f, 0, n, n);
db = spdiags(b, 0, n, n);
wf = sum(W, 2);
wb = sum(W, 1)';
Lf = df*L*df + epsilon*spdiags(wf, 0, n, n);
Lb = db*L*db + epsilon*spdiags(wb, 0, n, n);
vf = df*alpha_flat;
vb = db*(1-alpha_flat);

% 解线性方程组获得alpha的最优解
A = [Lf, vf; vb', sum(b)];
x = A\[vf; zeros(n,1)];
alpha_flat = x(1:n);

% 返回精细化的分割图像
alpha = reshape(alpha_flat, h, w);
end

这两个函数分别实现了引导滤波和软抠图。`guided_filter`函数使用了引导滤波器，它通过将输入图像和导向图像的均值、协方差等统计信息进行计算，来实现对导向图像的滤波。`soft_matting`函数实现了软抠图，它通过计算颜色相似度矩阵和前景、背景权重，来对二值分割图像进行精细化处理。

使用以上函数，可以得到一个基于暗通道先验的大气透射率估计图，并采用软抠图法和引导滤波法得到精细化大气透射率图。