对于图像去雾，这个研究内容，CSDN 中[33184777](http://my.csdn.net/laviewpbt)博友曾做了大量的研究，也写出了很多不错的博文，比如：[http://blog.csdn.net/laviewpbt/article/details/38711727](http://blog.csdn.net/laviewpbt/article/details/38711727) 令人深受启发。今天在网络上闲逛的时候，发现了一篇2014年的论文Fast Single-Image Defogging,基本上是暗通道的理论，不过算法比较简单，效果还行，特分享一下！     这篇论文中描述的具体过程如下：     1，去雾模型：          这个模型应该不用过多介绍了，目前大部分去雾算法都是根据这个模型进行的，这里依旧是基于暗通道理论，已知原始图像I(x)，求取清晰图像J(x)，未知参数A和t(x)     2，去雾过程图解：      当然这个图解是论文中的，至于效果的实现，本人并没有看到这么好的效果，不知作者做了什么优化。     3，实现2的具体步骤：     3.1 估计大气光A     大气光A的计算，这篇论文依然采用的是何凯明《[Single Image Haze Removal Using Dark Channel Prior](http://files.cnblogs.com/Imageshop/SingleImageHazeRemovalUsingDarkChannelPrior.rar)》中的计算方法，这里不再累赘。    3.2计算Transmission map       这个y实际上就是一个局部窗口欧米伽内的像素，假设窗口半径为r，那么，min I(y)实际上就是用以r为半径的窗口，对R,G,B通道分别进行最小值滤波，然后选择R,G,B通道的滤波结果的最小值作为Mcoarse(x)；     3.3计算Fine map     这一步实际上是为了保留图像边缘，也就是保边滤波作用，比如双边滤波之类，为了达到保边作用，又要兼顾速度问题，作者直接使用了原始图像R,G,B通道的最小值          3.4计算M(x)     这一步，实际上是对Mcoarse进行了重定义，或者是修正：          对Mcoarse重新进行了一定半径窗口内的最大值滤波，然后取结果和Mfine(x)的最小值；     3.5计算t(x)          其中w是一个0到1之间的数值；     3.6计算清晰图像J(x)          其中t0是个很小的常量，防止分母为0； 以上就是整个论文的计算过程了，看起来很简单，对于最小值最大值滤波，已有实时算法，这里不再累赘，大家可以到[33184777](http://my.csdn.net/laviewpbt)的主页看一下，介绍的相当详细。       对于基本没有雾的图像，本人也做了测试（分别是原图和效果图）：   上面所有效果图，测试参数都是：滤波半径9，w=0.8，最后放上本人的代码，由于代码未进行优化，也没有使用实时滤波算法，因此，速度较慢，本人只是为了看下去雾效果而已，有兴趣的可以自己优化。 总体来看，效果还可以，没有发生颜色偏色，过渡失真之类，对于其他算法的效果，大家可以参考[33184777](http://my.csdn.net/laviewpbt)的博文。 代码地址：[http://download.csdn.net/detail/trent1985/7851061](http://download.csdn.net/detail/trent1985/7851061) 最后，分享一个专业的图像处理网站（微像素），里面有很多源代码下载： [http://www.zealpixel.com/portal.php](http://www.zealpixel.com/portal.php)