何凱明博士的去霧文章和演算法實現已經漫天飛了，我今天也就不囉裡囉唆，直接給出自己python實現的完整版本，全部才60多行程式碼，簡單易懂，並有簡要註釋，去霧效果也很不錯。

在這個python版本中，計算量最大的就是最小值濾波，純python寫的，慢，可以進一步使用C優化，其他部分都是使用numpy和opencv的現成東東，效率還行。

import cv2
import numpy as np
 
def zmMinFilterGray(src,r=7):
  '''最小值濾波，r是濾波器半徑'''
  '''if r <= 0:
    return src
  h,w = src.shape[:2]
  I = src
  res = np.minimum(I,I[[0]+range(h-1),:])
  res = np.minimum(res,I[range(1,h)+[h-1],:])
  I = res
  res = np.minimum(I,I[:,[0]+range(w-1)])
  res = np.minimum(res,range(1,w)+[w-1]])
  return zmMinFilterGray(res,r-1)'''
  return cv2.erode(src,np.ones((2*r+1,2*r+1)))           #使用opencv的erode函式更高效
def guidedfilter(I,p,r,eps):
  '''引導濾波，直接參考網上的matlab程式碼'''
  height,width = I.shape
  m_I = cv2.boxFilter(I,-1,(r,r))
  m_p = cv2.boxFilter(p,r))
  m_Ip = cv2.boxFilter(I*p,r))
  cov_Ip = m_Ip-m_I*m_p
 
  m_II = cv2.boxFilter(I*I,r))
  var_I = m_II-m_I*m_I
 
  a = cov_Ip/(var_I+eps)
  b = m_p-a*m_I
 
  m_a = cv2.boxFilter(a,r))
  m_b = cv2.boxFilter(b,r))
  return m_a*I+m_b
 
def getV1(m,eps,w,maxV1): #輸入rgb影象，值範圍[0,1]
  '''計算大氣遮罩影象V1和光照值A,V1 = 1-t/A'''
  V1 = np.min(m,2)                     #得到暗通道影象
  V1 = guidedfilter(V1,zmMinFilterGray(V1,7),eps)   #使用引導濾波優化
  bins = 2000
  ht = np.histogram(V1,bins)               #計算大氣光照A
  d = np.cumsum(ht[0])/float(V1.size)
  for lmax in range(bins-1,-1):
    if d[lmax]<=0.999:
      break
  A = np.mean(m,2)[V1>=ht[1][lmax]].max()
     
  V1 = np.minimum(V1*w,maxV1)          #對值範圍進行限制
   
  return V1,A
 
def deHaze(m,r=81,eps=0.001,w=0.95,maxV1=0.80,bGamma=False):
  Y = np.zeros(m.shape)
  V1,A = getV1(m,maxV1)        #得到遮罩影象和大氣光照
  for k in range(3):
    Y[:,:,k] = (m[:,k]-V1)/(1-V1/A)      #顏色校正
  Y = np.clip(Y,1)
  if bGamma:
    Y = Y**(np.log(0.5)/np.log(Y.mean()))    #gamma校正,預設不進行該操作
  return Y
 
if __name__ == '__main__':
  m = deHaze(cv2.imread('land.jpg')/255.0)*255
  cv2.imwrite('defog.jpg',m)

下面給兩個執行效果吧

以上就是python實現暗通道去霧演算法的示例的詳細內容，更多關於python實現暗通道去霧演算法的資料請關注我們其它相關文章！