图像去雾算法设计及分析

1 研究意义及现状

1.1 研究意义

随着现代工业化和城市化的快速发展，空气污染问题日益凸显，雾霾天气频繁出现。这种天气条件对图像采集产生了显著的影响，导致图像质量降低，细节模糊，色彩失真。这不仅影响了人们的视觉体验，更对依赖于清晰图像的各类应用，如交通监控、遥感探测等，造成了严重困扰。

雾霾天气会使图像的对比度和色彩饱和度降低，也降低了交通检测视频的图像清晰度，同时也使航拍图像的色彩失真。因此，图像去雾技术的研究与应用显得尤为重要。

图像去雾技术，顾名思义，就是通过各种算法和技术手段，去除或减轻图像中的雾霾效果，从而提高图像的可视化质量。这一技术在多个领域都有广泛的应用价值。例如，在交通监控中，通过去雾技术处理后的图像能更清晰地显示出车辆和行人的细节，有助于提高交通安全性和效率。在遥感领域，去雾后的图像能更准确地反映出地表信息，为环境监测、城市规划等提供有力支持。

本研究的核心目标是探索目前主流的图像去雾算法，分析其原理并对比它们的去雾效果。

1.2 研究现状

近些年来，单幅图像去雾算法的研究方向大致可以分为两类：一类是基于图像增强理论的去雾算法研究，另一类是基于大气散射物理模型的去雾算法研究。

基于图像增强的去雾技术一般都是通过对原始图像信息进行对比度增强，有选择性得突出图像中的感兴趣区域，抑制图像中的干扰信息，不考虑图像去雾后的效果是否符合真实的场景图像，最终达到人们主观上的视觉要求。目前主流的图像增强算法有直方图均衡化算法、小波变换算法、基于 Retinex 理论。

与基于图像增强理论的去雾算法不同，基于大气散射物理模型的去雾算法是以图像复原为基本思想，通过建立大气成像的物理模型，客观地分析图像退化的根本原因，同时加入大气条件参数和景深参数等辅助信息或先验知识，最终通过反推物理模型来达到对有雾图像进行复原的目的。目前该类去雾技术中应用最广泛的大气散射物理模型是由 Middleton 等人提出的。近些年来，基于大气物理模型的去雾方法的发展大致可分为三个方向：基于景深关系的去雾方法、基于先验条件的去雾方法和基于变分偏微分方程的去雾方法。He 等人提出的暗通道先验算法就是一种基于大气散射模型的去雾算法，该算法以其优秀的去雾能力和新颖的理论成为了近几年来单幅图像去雾领域的研究热点。

综上所述，我挑选两类中的一种算法进行分析和对比，分别是基于图像增强的去雾技术的直方图均衡化算法和基于大气散射物理模型的暗通道先验算法。

2 研究原理

2.1 直方图均衡化去雾算法

直方图均衡化算法的原理是对有雾图像的灰度分布直方图进行运算，使灰度值分布较集中的灰度直方图变得更加均匀，更加充分地利用了灰度值由 0 到255 的数值范围，从而提高了图像的对比度。

一般的，因为灰度图有利于图像处理，所以我们拿到图像会选择转为灰度图进行图像处理，但实际应用中我们需要根据图像颜色进行更多的处理操作，如车辆目标检测和人脸识别在算法实现上会考虑到颜色或肤色作为区分和识别的特征之一，因此我们需要得到彩色图像，于是从需要不同空间对图像进行均衡化处理。

根据原理我们可以选择在 RGB 空间、HSV 空间、在 YCrCb 空间对图像进行直方图均衡。这里介绍我们熟悉的 RGB 空间，在此空间对图像进行直方图均衡步骤如下：

（1） 读入图像，将图像存储于 RGB 空间；

（2） 分别对 RGB 空间的 R、G、B 三个分量的灰度直方图进行均衡化处理；

（3） 输出图像。

流程如图2.1。

2.2 暗通道先验去雾算法

基于暗通道先验的去雾过程就是利用暗通道先验理论从有雾图像I（x） 中复原出无雾图像 J（x）

I（x）=J（x）t（x）+[1-t（x]A 2-1

由大气散射物理模型的数学表达式 1-1 可知，只要求得全局大气光值 A 和透射率 t（x） ，就可以成功地计算出无雾图像 J（x）。其整体过程如下：

（1） 基于暗通道先验理论求得有雾图像的暗通道图像。

（2） 在假设全局大气光强度值已知的情况下利用暗通道图像粗略估计透射率。

（3） 利用软抠算法来优化估算出的透射率。

（4） 利用暗通道图像来估算全局大气光强度值。

（5） 将含雾的原始图像、全局大气光强度值以及优化后的透射率代入到大气散射物理模型中，从而可以恢复出无雾图像。

为了利用全局大气光强度值进行无雾图像的复原，He 等人提出了对于全局大气光强度值进行估计的方法：首先根据暗通道先验理论获得含雾图像的暗通道图像，然后选取暗通道图像中亮度最大的前0.1% 的像素，最后取这些像素对应原含雾图像中像素的最大像素值作为全局大气光强度值。

3 设计过程

首先明确了我们本次研究目标为分析和对比直方图均衡化去雾算法和暗通道先验去雾算法，然后根据第二部分的研究原理分别编写两种算法的代码，为了提升用户交互体验，我还利用 MATLAB 设计了一个简单的 APP，实现导入图片后根据需求对图像进行去雾处理，处理后的图片也可以选择保存在电脑文件夹中。综上所述，主要有以下三个步骤：

（1）对单幅图进行直方图均衡化去雾：根据图 2.1 在 RGB 空间对图像进行直方图均衡化；

（2）对单幅图进行暗通道先验去雾：根据图 2.2 暗通道先验过程图和公式2-1 编写代码对图像进行去雾操作；

（3）结合上述两种算法代码设计简单的 app：包含打开文件、两种去雾操作、保存图片等响应。

4 结果及分析

采用四张在雾霾天气下拍摄的道路图像，以及一张航拍的城市图。对这些图像进行去雾操作可以为后续的目标检测和目标识别等图像处理操作建立基础。运行代码生成的每张图片均含有原图与结果图，下面是对四张图分别处理的结果。

对没有天空的图像，直方图均衡化去雾后的颜色失真较少，但存在天空泛白的现象；而暗通道先验算法去雾后的图像颜色变得更暗了。

而对于含天空的图像，暗通道先验算法的表现优于直方图均衡化去雾算法，天空呈现能够自然的颜色，去雾效果显著。但是也存在一定的颜色失真。

4.1 直方图均衡化去雾效果分析

直方图均衡化在去雾应用中主要对灰度图像表现良好。其通过拉伸像素强度分布来增强图像对比度，使得原本集中在某一灰度范围的像素强度分散到更宽的灰度范围。对于灰度图像而言，这种处理能够有效地提高图像的清晰度和细节表现力。然而，当应用于彩色图像时，由于直方图均衡化是分别对每个颜色通道进行操作的，可能会导致颜色失真，特别是当图像中包含天空等明亮区域时，容易出现泛白现象。

可以通过局部处理和在 HSV 或 Lab 色彩空间中应用直方图均衡化等操作，来保持颜色关系。

4.2 暗原色先验去雾效果分析

暗原色先验算法在处理彩色图像去雾方面表现优异。该算法基于户外无雾图像在局部区域（如暗通道）中总有一些像素强度很低的观察，通过估计大气光和透射率来恢复无雾图像。这种方法能够很好地去除图像中的雾气，提高图像的清晰度和色彩表现力。特别是对于包含天空等明亮区域的图像，暗原色先验算法能够呈现自然的天空颜色，视觉效果令人满意。

然而，暗原色先验算法也存在一定的局限性。首先，它是一种基于统计结果的算法，依赖于对大量户外无雾图像的统计分析。因此，当目标场景与大气光相似（如雪地、白色背景墙、大海等）时，算法可能无法正确估计大气光和透射率，导致去雾效果不理想。其次，景物退化与场景深度之间的非线性关系也为算法的正确性和宽适性带来了挑战。目前大多数图像复原方法都建立在大气散射模型的基础上，但这类模型可能无法完全准确地描述所有场景的退化过程。

4.3 综合分析

总的来说，直方图均衡化和暗通道先验去雾算法都能在保留图像的细节下进行去雾操作。如果图像中含有天空，并且接受一定的颜色失真，那么暗通道先验算法的效果会优于直方图均衡化去雾算法；如果对颜色失真有限制，那么直方图均衡化去雾算法会是更好的选择。

在实际应用中，可以结合两种算法的优点，采用混合策略进行图像去雾。例如，可以先使用直方图均衡化对图像进行初步处理，提高图像的对比度；然后利用暗原色先验算法进一步去除图像中的雾气，提高图像的清晰度和色彩表现力。此外，还可以引入其他图像处理技术（如超像素分割、深度学习等）来优化去雾效果，提高算法的鲁棒性和适应性。

参考文献

[1] 蔡利明， 王利娟. 数字图像处理 使用MATLAB 分析与实现[M].北京： 清华大学出版社，2019.

[2] 强明睿 ， 李泽宇 ， 夏明辉 . 图像去雾算法和研究进展 [J]. 长江信息通信 ，2021，34（09）：34-36.4

[3] 胡晓霞 ， 郑三婷 ， 杨浩宇 ， 等 . 基于暗通道的图像去雾算 法 研 究 [J]. 电 子 设 计 工 程 ，2024，32（19）：42-46.DOI：10.14022/j.issn1674-6236.2024.19.009.

[4] 郝盼红 ， 郭元术 . 彩色图像去雾清晰化研究 [J]. 计算机系统应用 ，2021，30（07）：271-276.DOI：10.15888/j.cnki.csa.008028.

[5] 胡益铭 . 基于暗通道先验的图像去雾算法研究 [D]. 燕山大学 ，2018.

[6] 曾致远 ， 周亚同 ， 池越 ， 等 . 天空优化的数字图像暗通道先验去雾算法 [J]. 激光与光电子学进展 ，2018，55（08）：261-267.

[7] 林 锦 泉 ， 林 锦 成 ， 陈 鸿 鹏 ， 等 . 基 于 改 进 暗 通 道 先 验的 图 像 去 雾 算 法 [J]. 科 技 风 ，2025，（02）：71-73.DOI：10.19392/j.cnki.1671-7341.202502024.

作者简介：翟屹霖（2004—），男，汉，江苏省宜兴市，武汉理工大学，本科，研究方向：嵌入式，信号与信息处理