暗通道图像通常用什么方法优化

① opencv中有没有提供限制对比度的自适应直方图均衡化

1.CLAHE简介

HE直方图增强，大家都不陌生，是一种比较古老的对比度增强算法，它有两种变体：AHE和CLAHE；两者都是自适应的增强算法，功能差不多，但是前者有一个很大的缺陷，就是有时候会过度放大图像中相同区域的噪声，为了解决这一问题，出现了HE的另一种改进算法，就是CLAHE；CLAHE是另外一种直方图均衡算法，能有效的增强或改善图像（局部）对比度，从而获取更多图像相关边缘信息有利于分割，比如在书架识别系统中的书脊切割中，使用CLAHE可以比传统的直方图增强方法达到更好的增强书脊边界直线的效果，从而有利于后续的书脊边界直线的检测和提取。还能够有效改善AHE中放大噪声的问题，虽然在实际中应用不多，但是效果确实不错。另外，CLAHE的有一个用途是被用来对图像去雾，跟何凯明的暗通道去雾效果有的一拼。

CLAHE和AHE的区别在于前者对区域对比度实行了限制，并且利用插值来加快计算。

2.CLAHE在OpenCV中的使用

2.1 增强灰度图像

[cpp] view plain
Ptr<cv::CLAHE> clahe = createCLAHE();
clahe->setClipLimit(clipLimit);
clahe->apply(src, dst);

2.2 增强彩色图像

[cpp] view plain
vector<Mat> BGR;
split(src,BGR);
Ptr<cv::CLAHE> clahe = createCLAHE();
clahe->apply(BGR[0],BGR[0]);
clahe->apply(BGR[1],BGR[1]);
clahe->apply(BGR[2],BGR[2]);
Mat res;
merge(BGR,res);

② size（RGB图像）；返回三个值 前两个是表示图像的大小，那第三个代表三颜色吗有什么用

返回三个值 前两个是表示图像的大小，第三个一定是3，他不是代表颜色，代表的是这个矩阵是3页的，每页是一个通道，分别是RGB。
dc(y,x) = min(img(y,x,:));这就是找出三个通道中的最小值，也就是RGB这三原色中的最小值。

③ 水下图像复原论文总结整理

​

论文简介： 利用图像传输理论测量海水的点扩散函数和调制传递函数并且使用维纳滤波器复原模糊的图像。退化方程H(u,v)在水槽中测量得到。在实验中利用狭缝图像和光源，第一步:一维光照射到水中从而得到不同距离下的狭缝图像数据，这样一维的海水点扩散函数就可以通过去卷积得到。又因为点扩散函数的对称性二维的函数模型也可以通过数学方法得到。利用相似的方法调制传递函数也可以得到。这样传输方程便可以得到:

图像可以由下式获得:

​

论文简介： 论文中提出自然光照下的水下图像退化效果与光偏振相关,而场景有效箱射则与光偏振无关。在相机镜头端安装可调偏振器,使用不同偏振角度对同一场景成两幅图像,所得到的图像中的背景光会有明显不同。通过对成像物理模型的分析,利用这两幅图像和估计出的偏振度,就能恢复出有效场景辐射。他还提出了一个计算机视觉方法水下视频中的退化效应。分析清晰度退化的物理原因发现主要与光的部分偏振有关。然后提出一个逆成像方法来复原能见度。该方法基于几张通过不同偏振方向的偏振片采集图像。

论文简介： 论文提出了一种自适应滤波的水下图像复原方法。通过最优化图像局部对比度质量判决函数,可以估计出滤波器中所使用的参数值。
论文提出一种基于简化的Jaffe-McGlamery水下成像模型的自调谐图像复原滤波器。滤波器的最优参数值是针对每幅图像通过优化一个基于全局对比度的质量准则自动估算的。(对一幅图像滤波器能根据全局对比度自动估计最优参数值),简化的模型理想地适合后向散射较少的漫射光成像.1.首先简化Jaffe-McGlamery水下成像模型：假设光照均匀(浅水区阳光直射)，并且忽略后向散射部分.然后基于简化后的成像模型设计一个简单的反滤波器2.将滤波器设计成自适应滤波器。

论文简介： 论文对于调制传递函数给出了详细准确的系统函数信息,水下图像可以用它或点扩散函数进行复原.作者进行实验测量了水质参数得出了这些函数，并用得出的函数进行了图像复原。同时他还建立了一个框架来最大限度复原水下图像，在这个框架下传统的图像复原方法得到了拓展，水下光学参数被包含了进去，尤其时域的点扩散函数和频域的调制传递函数。设计了一个根据环境光学特性进行调整的客观图像质量度量标准来测量复原的有效性。

论文简介： 调制传递函数给出了详细准确的系统函数信息,水下图像可以用它或点扩散函数进行复原.作者进行实验测量了水质参数得出了这些函数，并用得出的函数进行了图像复原。(这一部分在王子韬的论文中有比较详细介绍)

论文简介： 在散射媒介中的正则化图像复原。论文在基于物理原因的复原方法难以去除噪声以及透射率低的基础上，提出一种自适应的过滤方法，即能明显的改善可见性，又能抑制噪声放大。本质上，恢复方法的正规化，是适合变化媒介的透射率，因此这个正则化不会模糊近距离的目标。

论文简介： 论文提出一种基于对边缘进行GSA（灰度规范角度）加权的测量图像清晰度的方法。图像首先被小波变换分解，去除部分随机噪声，增加真实边缘检测的可能性。每个边缘锐度由回归分析方法基于灰度的一个角的正切来确定边缘像素的灰度值之间的斜率和位置。整个图像的清晰度是平均每个测量的GSA的比例加权的第一级分解细节的量，作为图像的总功率，最后通过图像噪声方差自适应的边缘宽度。

论文简介： 论文提出了基于主动偏振的人工光照下水下图像处理技术。在宽场人工光照下的水下成像中,在光源端或相机端安装可调偏振器。通过调整光源或相机端的偏振器,同时拍摄两幅或多幅同一场景的图像,从两幅图像中可估计出背景光的偏振度。结合水下成像物理模型,就可以进行图像复原和场景3D信息估计。该方法操作简单,设备筒易,适用于水下画定目标的成像。
大范围人工照明条件下研究成像过程,基于该成像模型,提出一种恢复object signal的方法,同时能获得粗糙的3D scene structure.相机配备检偏振器,瞬间获取同一场景的两帧图片with different states of the analyzer or light-source polarizer,然后用算法处理获取的图片.它统一并推广了以前提出的基于偏振的方法.后向散射可以用偏振技术降低,作者在此基础上又用图像后处理去除剩余的后向散射,同时粗糙估测出3D场景结构.创新：之前的方法有的认为目标物反射光的偏振度可以忽略(即认为只有后向散射是偏振的)；另外还有的认为后向散射的偏振度可以忽略(即认为只有目标物反射光是偏振的)。本文作者认为两者都是部分偏振光。

论文简介： 论文在没有应用任何标准模式、图像先验、多视点或主动照明的条件下同时估算了水面形状和恢复水下二维场景。重点是应用水面波动方程建立紧凑的空间扭曲模型，基于这个模型，提出一个新的跟踪技术，该技术主要是解决对象模型的缺失以及水的波动存在的复杂的外观变化。在模拟的和真实的场景中，文本和纹理信息得到了有效的复原。

论文简介： 论文提出暗通道先验算法复原有雾图像。暗通道先验是一系列户外无雾图像的数理统计，基于观察户外无雾图像的大部分补丁补丁中包含至少一个颜色通道中低强度的像素点。在有雾图像中应用这些先验，我们可以直接的估算雾的厚度，复原成高质量的无雾图像，同时还能获得高质量的深度图。

论文简介： 论文比较研究了盲反卷积算法中的：R-L算法（Richardson-Lucy）、最小二乘法以及乘法迭代法。并且应用了水下图像去噪和威尔斯小角度近似理论推导出点分布函数。通过执行威尔斯的小角度散射理论和模糊度量方法对三种盲反卷积算法进行比较，确定总迭代次数和最佳图像复原结果。通过比较得出：最小二乘算法的复原率最高，但是乘法迭代的速度最好。

论文简介： 论文提出点扩算函数（PSF）和调制解调函数（MFT）的方法用于水下图像复原，应用基于威尔斯小角度近似理论来进行图像增强。在本文中作者分析了水下图像退化的原因，在强化超快激光成像系统中采用了距离选通脉冲的方法，降低了反向散射中的加性噪声。本文对图像的基本噪声模式进行了分析，并使用算术平均滤波首先对图像进行去噪，然后，使用执行迭代盲反褶积方法的去噪图像的初始点扩散函数的理想值，来获得更好的恢复结果。本文通过比较得出，盲反褶积算法中，正确使用点扩散函数和调制解调函数对于水下图像复原的重要性。

论文简介： 本文提出一种图像复原的新方法，该方法不需要专门的硬件、水下条件或现在知识结构只是一个与小波变换的融合框架支持相邻帧之间的时间相干性进行一个有效的边缘保留噪声的方法。该图像增强的特点是降低噪声水平、更好的暴露黑暗区域、改善全局对比、增强细节和边缘显着性。此算法不使用补充信息，只处理未去噪的输入退化图像，三个输入主要来源于计算输入图像的白平衡和min-max增强版本。结论证明，融合和小波变换方法的复原结果优于直接对水下退化图像进行去雾得到的结果。

论文简介： 本文是一篇综述性质的论文。介绍了：1、水下光学成像系统 2、图像复原的方法（对各种图像复原方法的总结） 3、图像增强和颜色校正的方法总结 4、光学问题总结。

论文简介： 论文针对普通水下图像处理的方法不适用于水下非均匀光场中的问题，提出一种基于专业区域的水下非均匀光场图像复原方法，在该算法中，考虑去除噪声和颜色补偿，相对于普通的水下图像复原和增强算法，该方法获得的复原复原的清晰度和色彩保真度通过视觉评估，质量评估的分数也很高。

论文简介： 论文基于水下图像的衰减与光的波长的关系，提出一种R通道复原方法，复原与短波长的颜色，作为水下图像的预期，可以对低对比度进行复原。这个R通道复原的方法可以看做大气中有雾图像的暗通道先验方法的变体。实验表明，该方法在人工照明领域应用良好，颜色校正和可见性得到提高。

论文简介： 作者对各种水下图像增强和复原的算法做了调查和综述，然后对自己的提高水下质量的方法做了介绍。作者依次用到了过滤技术中的同态滤波、小波去噪、双边过滤和对比度均衡。相比于其他方法，该方法有效的提高了水下目标物的可见性。

论文简介： 论文应用湍流退化模型以质量标准为导向复原因水下湍流退化的图像。参考大气湍流图像复原的算法，省略了盐分的影响，只考虑水中波动引起的湍流对水下成像的影响，应用一种自适应的平均各向异性的度量标准进行水下图像复原。经过验证，使用STOIQ的方法优于双频谱的复原方法。

论文简介： 本文提出了一种新的方法来提高对比度和降低图像噪声，该方法将修改后的图像直方图合并入RGB和HSV颜色模型。在RGB通道中，占主导地位的直方图中的蓝色通道以95%的最大限度延伸向低水平通道，RGB通道中的低水平通道即红色通道以5%的最低限度向上层延伸且RGB颜色模型中的所有处理都满足瑞利分布。将RGB颜色模型转化为HSV颜色模型，S和V的参数以最大限度和最小限度的1%进行修改。这种方法降低了输出图像的欠拟合和过拟合，提高了水下图像的对比度。

论文简介： 论文根据简化的J-M模型提出一种水下图像复原的有效算法。在论文中定义了R通道，推导估算得到背景光和变换。场景可见度被深度补偿，背景与目标物之间的颜色得到恢复。通过分析PSF的物理特性，提出一种简单、有效的低通滤波器来去模糊。论文框架如下：1.重新定义暗通道先验，来估算背景光和变化，在RGB的每个通道中通过标准化变换来复原扭曲颜色。2.根据PSF的性能，选择没有被散射的光，用低通滤波器进行处理来提高图片的对比度和可见度。

论文简介： 论文中对当代水下图像处理的复原与增强做了综述，作者阐明了两种方法的模型的假设和分类，同时分析了优缺点以及适用的场景。

参考：
https://github.com/zhenglab/UnderwaterImageRestoration/tree/master/underwater%20image%20enhancement

④ 为什么暗通道光线比较暗

反射比较暗的光线。
图像中有些物体因为反射的都是比较暗的光线，造成看上去比较灰暗，不明亮，对其求取暗通道时，三通道的像素值都比较低，该区域像素值就会比较低。
那么我们通常所说的暗通道，即清晰无雾的图片中除天空区域（因为天空区域或者白色区域和雾的特征较为接近）外的任一局部区域像素至少有一个通道值很低，几乎趋近于零。那如何求暗通道呢，我们在上面的代码中已经做了详细的说明，便是先求每个像素在三个通道中的最小值，然后得到一张与原始图像大小一致的灰度图，然后再使用最小值滤波进行平滑处理，即在得到的灰度图中，以每一个像素为中心取一定大小的矩形窗口（本文为15x15），取矩形窗口中灰度值的最小值代替中心像素的值，从而得到原始图像对应的暗通道图像。

⑤ 如何驱除浓雾作业

清除浓雾
清除浓雾（寰宇译︰雾气打散，日文︰きりばらい，英文︰Defog）是第四世代引入的飞行属性招式。[1]
中文名
清除浓雾
外文名
きりばらい
招式附加效果
对战中
令目标的闪避率降低1级。清除场上的雾天气。
只要此招式成功使出，无论是否降低了目标的闪避率，都会移除对方场地上的白雾、光墙、反射壁、极光幕和神秘守护，移除双方场地上的撒菱、隐形岩、毒菱和黏黏网。
如果目标处于替身状态，则虽然闪避率不会降低，但后续效果仍然发生。
清除浓雾一定会命中，除非目标正在使用蓄力的招式并不在场地上。
如果对手被白雾保护，则对手闪避率不会降低，但白雾随之被清除。
对战外
消除雾天气。DPPt
招式变更
第六世代
去除对方场地的撒菱、隐形岩、毒菱和黏黏网 → 双方
一般来说，秋冬早晨雾特别多，为什么呢？我们知道，当空气容纳的水汽达到最大限度时，就达到了饱和。而气温愈高，空气中所能容纳的水汽也愈多。1立方米的空气，气温在4℃时，最多能容纳的水汽量是6.36克；而气温是20℃时，1立方米的空气中最多可以含水汽量是17.30克。如果空气中所含的水汽多于一定温度条件下的饱和水汽量，多余的水汽就会凝结出来，当足够多的水分了与空气中微小的灰尘颗粒结合在一起，同时水分子本身也会相互粘结，就变成小水滴或冰晶。空气中的水汽超过饱和量，凝结成水滴，这主要是气温降低造成的。
如果地面热量散失，温度下降，空气又相当潮湿，那么当它冷却到一定的程度时，空气中一部分的水汽就会凝结出来，变成很多小水滴，悬浮在近地面的空气层里，这就是雾。它和云都是由于温度下降而造成的，雾实际上也可以说是靠近地面的云。
白天温度比较高，空气中可容纳较多的水汽。但是到了夜间，温度下降了，空气中能容纳的水汽的能力减少了，因此，一部分水汽会凝结成为雾。特别在秋冬季节，由于夜长，而且出现无云风小的机会较多，地面散热较夏天更迅速，以致使地面温度急剧下降，这样就使得近地面空气中的水汽，容易在后半夜到早晨达到饱和而凝结成小水珠，形成雾。秋冬的清晨气温最低，便是雾最浓的时刻

⑥ 为什么暗通道图像去雾后颜色比较鲜艳

那是一种光学现象，所以说就能出现这种情况，而且还是比较非常好看的颜色

⑦ 基于暗通道的水下图像清晰化方法研究用MATLAB来实现

摘要 可以对RGB三个通道进行直方图规定化从而实现水下图像增强。此处我们使用的是直方图均衡化，通过实际仿真效果也很明显。

⑧ MATLAB代码 求分析 何的去雾算法里面的暗通道算法 每一句都是什么意思啊又分别对应论文里的什么原理

function dark = darkChannel(imRGB)

r=imRGB(:,:,1);
g=imRGB(:,:,2);
b=imRGB(:,:,3); 分别提取三色的灰度图

[m n] = size(r); 提取单色图矩阵的宽度和长度
a = zeros(m,n); 创建m*n的零矩阵a
for i = 1: m
for j = 1: n
a(i,j) = min(r(i,j), g(i,j));
a(i,j)= min(a(i,j), b(i,j)); 依次比较三色分量的最小值提取为暗通道图

end
end

d = ones(15,15); 创建15*15的单位矩阵
fun = @(block_struct)min(min(block_struct.data))*d;
dark = blockproc(a, [15 15], fun); 将图片分成15*15的小块并将每一块变成其中的最小值

dark = dark(1:m, 1:n);
我也是新手啊兄弟只能帮你到这儿了

⑨ 遥感图像去云的一般采用什么做法

一般采取多时相互补影像来做去云，假设地物变化忽略不计，仅考虑辐射差异进行重建，最简单的方法就是时相平均/替代/线性回归，但这类方法通常效果有限，尤其是大面积厚云去除和复杂场景重建。

按云的类型可以区分为薄云和厚云。薄云去除类似自然图像的去雾，比如凯明大佬的暗通道先验，也可以考虑不同波段的光谱差异性来做。

厚云去除就比较难了，其下方的地表遮挡信息完全无效，薄云的方法此时就没卵用了。

几个去薄云的方法：

1、同态滤波：利用傅里叶变换，然后滤掉低频的云成分。

2、小波分析：利用小波分解到多尺度，然后去掉低频的云成分。

3、TC变换：针对Landsat系列卫星的一种正交变换，转换后的4th分量被认为是云分量。

4、HOT变换：定义一条晴空线，然后云的影响会使像元值偏离这条直线，计算每个像素偏离的距离就可以得到一个类云的图像，然后利用暗像元法或者直方图匹配等方法去除。基于这个原理这个有人做了个插件haze tool，可以在envi上用。

5、RTM：利用1.38um的波段探测到的卷云信息去除其他波段中的云。

同态滤波

同态滤波是运用照度和反射率模型对遥感图像进行滤波处理，常常应用于揭示阴影区域的细节特征。

该方法的基本原理是：减少低频，增加高频，从而锐化图像边缘或细节特征的图像增强方法,一幅影像f(x,y)能被表达成照度分量和反射分量两部分的乘积：f(x,y)=i(x,y)*r(x,y)式中i(x,y) 为照度分量，r(x,y) 为反射分量。