图像去雾 | 基于Matlab的图像去雾系统（四种方法）

效果一览

基本介绍

基于Matlab的图像去雾系统（四种方法）
关于图像去雾的基本算法代码的集合，方法包括局部直方图均衡法、全部直方图均衡法、暗通道先验法、Retinex增强。
一、局部直方图均衡法
局部直方图均衡法是一种图像增强技术，用于改善图像的局部对比度。与全局直方图均衡法相比，它更注重图像的局部细节。

原理：将图像分割成多个子块，对每个子块进行直方图均衡化处理。根据子块的重叠程度，可以分为子块不重叠、子块重叠与子块部分重叠三种方法。
特点：可以更好地增强图像的局部细节，但运算复杂度较高，且可能出现边界效应。为了减弱边界效应，可以在块与块之间对转换函数进行平滑插值，如双线性插值等。
二、全局直方图均衡法
全局直方图均衡法是图像处理领域中利用图像直方图对对比度进行调整的方法。

原理：通过扩展图像中常用的亮度范围，使得亮度在直方图上更好地分布，从而增强图像的对比度。
特点：全局直方图均衡法通常用于增加图像的全局对比度，尤其适用于背景和前景都太亮或太暗的图像。但它对处理的数据不加选择，可能会增加背景噪声的对比度并降低有用信号的对比度。
三、暗通道先验法
暗通道先验法是一种基于图像的去雾技术。

原理：利用大气散射模型，通过估计大气光和图像的传输图来去除雾的影响。首先提取图像的暗通道，暗通道是指图像中相对较暗的区域，在雾的影响下仍能保持一定的可见度。然后利用暗通道估计大气光的值，并结合大气光和暗通道估计传输图。最后利用传输图和大气光恢复原始图像。
特点：能够有效地去除图像中的雾，提高图像的清晰度和真实感。
四、Retinex增强
Retinex增强是一种高动态范围图像的新色调映射技术。

原理：基于物体的颜色是由物体对长波（红色）、中波（绿色）、短波（蓝色）光线的反射能力决定的，而不是由反射光强度的绝对值决定的。Retinex增强可以在动态范围压缩、边缘增强和颜色恒常三个方面达到平衡，从而对各种不同类型的图像进行自适应的增强。
特点：能够在保持图像色彩一致性的同时，增强图像的对比度、亮度和细节。
所有代码整合到App designer编写的GUI界面中，包括导入图片，保存处理好的图片，处理前以及处理后的灰度直方图。
代码都有详细而好懂的注释，提供一些测试图片，运行app1.mlapp即可

程序设计

• 完整程序和数据下载方式：私信博主回复基于Matlab的图像去雾系统（四种方法）。

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/116377961
[2] https://blog.csdn.net/kjm13182345320/article/details/127931217
[3] https://blog.csdn.net/kjm13182345320/article/details/127894261